SAGIN 环境下低成本计算卸载：基于深度强化学习与感知导论的方案
网络与互联网体系结构
2024-07-09 v1 信号处理
摘要
Space-Air-Ground Integrated Network（SAGIN）是 sixth-generation（6G）技术的关键组成部分，对于确保远离细胞网络基础设施的地区实现全覆盖具有重要作用。在SAGIN中，无人机（UAV）发挥着控制层作用，由于其灵活的部署能力及其作为中间节点的角色。 Equipped with 毫米波雷达和视觉传感器，这些无人机能够获取多源数据，从而降低不确定性并提高决策准确性。同时，无人机收集来自不同速度移动设备的计算任务，这些任务被分配给地面基站（BS）、低轨道卫星（LEO）和本地处理单元以提高处理效率。在此框架下，本研究聚焦于制定动态策略以促进移动设备与无人机之间的任务托管、计算卸载、无人机与基站之间的关联管理以及计算资源分配。目标是最小化考虑设备位置、速度甚至类型不确定性的平均网络成本。为解决这些复杂问题，我们提出了一种用于SAGIN中联合优化的深度强化学习与感知导论的在线方法（DRL-and-Perception-aided Approach），针对充满不确定性的环境进行设计。通过大量数值仿真验证了我们方法的有效性，定量评估了其相对于各种网络参数的性能。
引用
@article{arxiv.2407.05571,
title = {Cost-Efficient Computation Offloading in SAGIN: A Deep Reinforcement Learning and Perception-Aided Approach},
author = {Yulan Gao and Ziqiang Ye and Han Yu},
journal= {arXiv preprint arXiv:2407.05571},
year = {2024}
}