工业物联网中面向网络切片的协作式资源交易：一种多智能体深度强化学习方法

工业物联网（IIoT）与网络切片（NS）范式已被视为工业4.0中灵活且智能制造的关键赋能技术，其中大量具有多样化服务质量（QoS）要求的互联机器、传感器与设备共存。为优化网络资源使用，IIoT网络中的利益相关方被鼓励采取务实步骤以实现资源共享。然而，只有当相关实体能够在双赢情形下就资源与报酬的公平交换达成一致时，资源共享才具有吸引力。本文设计了一种经济模型，用于分析IIoT网络中切片租户之间的多边策略性交易交互。我们将卖方与买方租户的资源定价与购买问题建模为协作式Stackelberg博弈。特别地，该协作博弈通过联盟形成强制买方租户间进行协作，以强化其在资源价格谈判中的地位，而非各自为战；而Stackelberg博弈则确定卖方租户与买方租户联盟的最优策略优化。为达成Stackelberg均衡（SE），我们开发了一种多智能体深度强化学习（MADRL）方法，可在无需环境先验知识的情况下作出灵活的定价与购买决策。仿真结果与分析证明，所提方法在效用最大化方面实现了收敛且优于其他基线方法。