空地协作MEC的分布式多目标动态卸载调度
信息论
2024-03-19 v1 机器学习
math.IT
摘要
利用带有边缘服务器的无人机（UAV）协助陆地移动边缘计算（MEC）已引发广泛关注。然而,基于确定性优化或单目标强化学习（RL）的前沿方案无法在高度动态的网络环境中同时减少任务位数和提高能源效率,其设计问题等同于序列决策问题。为此,本文提出了一种集成MORL和核方法的分布式多目标（MO）动态轨迹规划与卸载调度方案。n步返回的设计也用于平均波动的背log问题。数值结果表明,n步返回可以为我们提出的核方法带来显著的长期平均背log性能提升,相较于传统的1步返回设计。由于这种设计和核方法神经网络,决策特征可以持续添加,核方法能够优于基于全连接深度神经网络的方法,在能源消耗和背log性能方面均取得显著改善,同时显著降低决策和在线学习时间。
引用
@article{arxiv.2403.10927,
title = {Distributed Multi-Objective Dynamic Offloading Scheduling for Air-Ground Cooperative MEC},
author = {Yang Huang and Miaomiao Dong and Yijie Mao and Wenqiang Liu and Zhen Gao},
journal= {arXiv preprint arXiv:2403.10927},
year = {2024}
}
备注
This paper has been accepted for publication in the IEEE Transactions on Vehicular Technology