雾无线接入网中基于多智能体强化学习的协作边缘缓存
多智能体系统
2022-06-22 v1
摘要
本文研究了雾无线接入网（F-RANs）中的协作边缘缓存问题。为最小化内容传输时延，我们构建了协作缓存优化问题，以寻找全局最优缓存策略。考虑到该问题的非确定性多项式难（NP-hard）性质，我们提出了一种基于多智能体强化学习（MARL）的协作缓存方案。该方案在每个雾接入点（F-AP）应用双重深度 Q 网络（DDQN），并引入了多智能体系统中的通信过程。每个 F-AP 记录其关联 F-AP 的历史缓存策略，作为通信过程的观测。通过交换观测，F-AP 能够利用协作并制定全局最优缓存策略。仿真结果表明，与基准方案相比，所提出的基于 MARL 的协作缓存方案在最小化内容传输时延方面具有显著性能。
引用
@article{arxiv.2206.09549,
title = {Cooperative Edge Caching via Multi Agent Reinforcement Learning in Fog Radio Access Networks},
author = {Qi Chang and Yanxiang Jiang and Fu-Chun Zheng and Mehdi Bennis and Xiaohu You},
journal= {arXiv preprint arXiv:2206.09549},
year = {2022}
}
备注
This paper has been accepted by IEEE ICC 2022