基于多智能体深度强化学习的无人机协同去中心化计算卸载
信息论
2022-07-29 v1 math.IT
摘要
物联网（IoT）节点有限的计算资源导致处理输入数据时出现过高延迟。这催生了面向任务卸载系统的新研究机遇，其中边缘服务器处理 IoT 设备的密集计算。在现有基站部署计算服务器可能不足以支持恶劣环境中运行的 IoT 节点。这要求将移动边缘服务器搭载于无人机（UAV）上，提供按需移动边缘计算（MEC）服务。时变的卸载需求与 UAV 的机动性需要对所有时刻优化变量的联合设计。因此，在线决策机制对 UAV 辅助 MEC 网络至关重要。本文概述近期深度强化学习（DRL）方法，其中关于 UAV 与 IoT 节点的决策以在线方式作出。具体而言，从 DRL 视角解决任务卸载、资源分配与 UAV 机动的联合优化。针对去中心化实现，提出多智能体 DRL 方法，多个智能 UAV 在无中心协调下协同确定其计算与通信策略。数值结果表明，所提去中心化学习策略优于现有 DRL 方案。该框架揭示了去中心化 DRL 技术在设计自组织 IoT 网络中的可行性。
引用
@article{arxiv.2207.13832,
title = {Decentralized Computation Offloading With Cooperative UAVs: Multi-Agent Deep Reinforcement Learning Perspective},
author = {Sangwon Hwang and Hoon Lee and Juseong Park and Inkyu Lee},
journal= {arXiv preprint arXiv:2207.13832},
year = {2022}
}
备注
17pages, 5 figures, IEEE wireless communication magazine accepted