多智能体协同的空中边缘网络节能计算卸载
信号处理
2023-02-20 v1
摘要
凭借支持资源密集型和时延敏感型应用的高度灵活性，无人机（UAV）辅助的移动边缘计算（MEC）被提出作为一种支持移动用户（MU）的创新范式。作为一种有前景的技术，数字孪生（DT）能够及时将物理实体映射到虚拟模型，并实时反映MEC网络状态。在本文中，我们首先提出一个包含多架可移动无人机和一个数字孪生赋能地面基站的MEC网络，以增强对移动用户的MEC服务。考虑到移动用户和无人机有限的能量资源，我们构建了一个资源调度的在线问题，以最小化它们的加权能耗。为解决该组合问题的困难，我们将其建模为一个具有多种类型智能体的马尔可夫决策过程（MDP）。由于所提出的MDP具有巨大的状态空间和动作空间，我们提出了一种基于多智能体近端策略优化（MAPPO）的深度强化学习方法，该方法结合了贝塔分布和注意力机制，以寻求最优的计算卸载策略。数值结果表明，我们提出的方案能够有效降低能耗，并在性能、收敛速度和资源利用率方面优于基准方案。
引用
@article{arxiv.2302.09021,
title = {Energy Efficient Computation Offloading in Aerial Edge Networks With Multi-Agent Cooperation},
author = {Wenshuai Liu and Bin Li and Wancheng Xie and Yueyue Dai and Zesong Fei},
journal= {arXiv preprint arXiv:2302.09021},
year = {2023}
}
备注
14 pages, 13 figures