基于多智能体深度强化学习的区块链边缘计算协同任务卸载与区块挖掘
信号处理
2021-09-30 v1
摘要
移动边缘计算（MEC）与区块链的融合正在变革当前移动网络中的计算服务，通过由区块链挖掘赋能的安全增强来提供任务卸载解决方案。然而，在现有的大多数工作中，这些重要的使能技术是被分开研究的。本文提出了一种用于基于区块链的 MEC 系统的新型协同任务卸载与区块挖掘（TOBM）方案，其中每个边缘设备不仅处理数据任务，还参与区块挖掘以提高系统效用。为了解决 MEC 中区块链操作引起的延迟问题，我们基于轻量级区块验证策略开发了一种新的声誉证明共识机制。随后构建了一个多目标函数，通过联合优化卸载决策、信道选择、发射功率分配和计算资源分配，以最大化基于区块链的 MEC 系统的系统效用。我们提出了一种新型分布式深度强化学习方法，使用了多智能体深度确定性策略梯度算法。随后，我们开发了一个博弈论解决方案，将边缘设备之间的卸载与挖掘竞争建模为势博弈，并证明了纯 Nash 均衡的存在性。仿真结果证明，与基线方法相比，我们提出的方案显著提升了系统效用。
引用
@article{arxiv.2109.14263,
title = {Cooperative Task Offloading and Block Mining in Blockchain-based Edge Computing with Multi-agent Deep Reinforcement Learning},
author = {Dinh C. Nguyen and Ming Ding and Pubudu N. Pathirana and Aruna Seneviratne and Jun Li and H. Vincent Poor},
journal= {arXiv preprint arXiv:2109.14263},
year = {2021}
}
备注
Accepted at IEEE Transactions on Mobile Computing, 17 pages