雾辅助物联网系统中的绿色卸载：融合学习与控制的在线视角
网络与互联网体系结构
2020-08-04 v1 人工智能
信号处理
摘要
在雾辅助物联网系统中，将任务从物联网设备卸载至邻近雾节点以降低任务处理延迟与能耗是一种常见做法。然而，由于系统动态（如处理能力与传输速率）中的各种不确定性，在线节能方案的设计仍是一个开放问题。此外，决策过程受限于雾节点与物联网设备上的资源约束，使设计更为复杂。本文将这种具有未知系统动态的任务卸载问题建模为带时间平均能耗长期约束的组合多臂老虎机（CMAB）问题。通过在线学习与在线控制的有效融合，我们提出一种学习辅助绿色卸载（LAGO）方案。在 LAGO 中，我们采用老虎机学习方法处理利用-探索权衡，并利用虚拟队列技术处理长期约束。我们的理论分析表明，LAGO 能在有限时域内以可调的次线性后悔界降低平均任务延迟，并满足长期时间平均能耗约束。我们进行了大量仿真以验证此类理论结果。
引用
@article{arxiv.2008.00199,
title = {Green Offloading in Fog-Assisted IoT Systems: An Online Perspective Integrating Learning and Control},
author = {Xin Gao and Xi Huang and Ziyu Shao and Yang Yang},
journal= {arXiv preprint arXiv:2008.00199},
year = {2020}
}