面向自主物联网的深度强化学习：模型、应用与挑战
机器学习
2020-04-14 v3 机器学习
摘要
物联网（IoT）将互联网连接扩展到全球数十亿个 IoT 设备，这些设备收集并共享信息以反映物理世界的状态。另一方面，自主控制系统（ACS）在较长时间内无需外部干预即可对物理系统执行控制功能。IoT 与 ACS 的融合催生了一个新概念——自主物联网（AIoT）。传感器收集系统状态信息，基于此，IoT 设备中的智能体以及边缘/雾/云服务器为执行器做出控制决策以作出反应。为实现自主性，一种有前景的方法是让智能体利用人工智能领域的技术，特别是强化学习（RL）和深度强化学习（DRL）进行决策。在本文中，我们首先提供 DRL 的教程，然后提出一个用于 RL/DRL 在 AIoT 中应用的通用模型。接着，对 DRL 用于 AIoT 的先进研究进行了全面综述，现有工作在该通用 DRL 模型框架下被分类和总结。最后，指出了未来研究的挑战与开放问题。
引用
@article{arxiv.1907.09059,
title = {Deep Reinforcement Learning for Autonomous Internet of Things: Model, Applications and Challenges},
author = {Lei Lei and Yue Tan and Kan Zheng and Shiwen Liu and Kuan Zhang and Xuemin and Shen},
journal= {arXiv preprint arXiv:1907.09059},
year = {2020}
}