面向智慧农业的物联网-空中基站任务卸载与风险敏感强化学习
网络与互联网体系结构
2022-09-16 v1 人工智能
摘要
空中基站（ABS）使智能农场能够将复杂任务的处理职责从物联网（IoT）设备卸载到 ABS。IoT 设备能量与计算资源有限，因此需要一个支持 ABS 的系统的先进解决方案。本文提出一种新颖的基于多智能体的风险敏感强化学习方法，用于智慧农业的 ABS 任务调度。该问题被定义为在 IoT 任务须于截止时间前完成的严格条件下进行任务卸载。此外，算法还必须考虑 ABS 有限的能量容量。结果表明，我们所提方法优于若干启发式方法与经典 Q-Learning 方法。进一步，我们给出了混合整数线性规划解以确定性能下界，并阐明了风险敏感解与最优解之间的差距。对比证明我们广泛的仿真结果表明，我们的方法可为智能农场中 IoT 任务提供有保障的任务处理服务，同时延长 ABS 在该农场的悬停时间，是一种有前景的途径。
引用
@article{arxiv.2209.07382,
title = {IoT-Aerial Base Station Task Offloading with Risk-Sensitive Reinforcement Learning for Smart Agriculture},
author = {Turgay Pamuklu and Anne Catherine Nguyen and Aisha Syed and W. Sean Kennedy and Melike Erol-Kantarci},
journal= {arXiv preprint arXiv:2209.07382},
year = {2022}
}
备注
Accepted Paper