基于深度强化学习的无蜂窝大规模MIMO网络边缘计算分布式资源分配
网络与互联网体系结构
2022-08-24 v1
摘要
在本文中，为满足近期推出的先进多媒体业务严苛的计算与服务质量（QoS）要求，我们考虑了一个由无蜂窝大规模 MIMO 赋能的移动边缘网络。具体而言，借助可靠的无蜂窝链路将密集计算卸载至边缘服务器，资源受限的终端用户可利用边缘计算增强本地（机载）处理。为此，我们构建了联合通信与计算资源分配（JCCRA）问题，以在满足各用户特定时延约束的同时，最小化用户总能耗。为求解该问题，我们提出了一种基于协作多智能体强化学习框架的完全分布式解决方案，其中每个用户作为学习智能体，仅依赖本地信息做出联合资源分配决策。仿真结果表明，所提分布式方法的性能优于启发式基线，可在不产生大量开销的情况下收敛至集中式目标基准。此外，我们展示了所提算法在无蜂窝系统中相较蜂窝 MEC 系统（如基于小小区的 MEC 系统）表现显著更优。
引用
@article{arxiv.2208.10725,
title = {DRL-based Distributed Resource Allocation for Edge Computing in Cell-Free Massive MIMO Network},
author = {Fitsum Debebe Tilahun and Ameha Tsegaye Abebe and Chung G. Kang},
journal= {arXiv preprint arXiv:2208.10725},
year = {2022}
}
备注
6 pages, 4 figures, conference. arXiv admin note: substantial text overlap with arXiv:2201.09057