将分布式深度强化学习引入空天地一体化无线通信网络的存储资源优化
网络与互联网体系结构
2022-02-07 v1
摘要
空天地一体化网络（SAGIN）是一种新型无线网络模式。对 SAGIN 资源的有效管理是高可靠性通信的前提。然而，空天网络段的存储容量极为有限，空中服务器也没有充足的存储资源来集中容纳各边缘服务器上传的信息。因此，如何协调 SAGIN 的存储资源成为一个问题。本文提出一种基于分布式深度强化学习（DRL）的 SAGIN 存储资源管理算法。将资源管理过程建模为马尔可夫决策模型。在每个边缘物理域内，我们提取以存储资源表示的网络属性供智能体构建训练环境，从而实现分布式训练。此外，我们提出一种基于分布式 DRL 的 SAGIN 资源管理框架。仿真结果表明，智能体具有理想的训练效果。与其他算法相比，所提算法的资源分配收益和用户请求接受率分别提高了约 18.15% 和 8.35%。此外，所提算法在应对资源条件变化方面具有良好的灵活性。
引用
@article{arxiv.2202.02141,
title = {Incorporating Distributed DRL into Storage Resource Optimization of Space-Air-Ground Integrated Wireless Communication Network},
author = {Chao Wang and Lei Liu and Chunxiao Jiang and Shangguang Wang and Peiying Zhang and Shigen Shen},
journal= {arXiv preprint arXiv:2202.02141},
year = {2022}
}