空地一体化边缘计算系统中信息新鲜度感知的任务卸载
信号处理
2020-07-21 v1 机器学习
机器学习
摘要
本文研究空地一体化多接入边缘计算系统中的信息新鲜度感知任务卸载问题，该系统由基础设施提供商（InP）部署。第三方实时应用服务提供商基于长期商业协议，利用 InP 有限的通信与计算资源向订阅的移动用户（MUs）提供计算服务。鉴于动态特性，将 MUs 间的交互建模为非合作随机博弈，其中控制策略相互耦合且各 MU 旨在自私地最大化自身期望长期收益。为求解纳什均衡解，我们提出各 MU 依据本地系统状态与推测行事，并由此将随机博弈转化为单智能体马尔可夫决策过程。此外，我们推导出一种新颖的在线深度强化学习（RL）方案，其为每个 MU 采用两个分离的双深度 Q 网络来逼近 Q 因子与决策后 Q 因子。利用所提深度 RL 方案，系统中各 MU 无需动态过程的先验统计知识即可决策。数值实验考察了所提方案在平衡信息年龄与能耗方面的潜力。
引用
@article{arxiv.2007.10129,
title = {Information Freshness-Aware Task Offloading in Air-Ground Integrated Edge Computing Systems},
author = {Xianfu Chen and Celimuge Wu and Tao Chen and Zhi Liu and Honggang Zhang and Mehdi Bennis and Hang Liu and Yusheng Ji},
journal= {arXiv preprint arXiv:2007.10129},
year = {2020}
}