空天地一体化网络中混合云与边缘计算的联合卸载与资源分配：一种决策辅助混合动作空间深度强化学习方法
信息论
2024-01-03 v1 分布式、并行与集群计算
math.IT
摘要
近年来，将卫星通信和空中平台融合到空天地一体化网络（SAGINs）中，由于低地球轨道（LEO）卫星的全球覆盖能力和空中平台的灵活部署，已成为未来通信不可或缺的研究领域。本文提出了一种基于深度强化学习（DRL）的方法，用于在SAGINs中的混合云和多接入边缘计算（MEC）场景中联合优化卸载和资源分配。所提出的系统考虑了多颗卫星、云和无人机（UAV）的存在。来自地面用户的多个任务被建模为有向无环图（DAG）。为了降低MEC中的能耗和延迟，我们提出了一种基于DRL的新型多智能体算法，该算法优化了SAGIN中MEC基础设施的卸载策略和资源分配。采用混合动作算法来应对所提出问题中混合连续和离散动作空间的挑战，并采用决策辅助DRL方法来减少DRL训练过程中不可用动作的影响。通过大量仿真，结果证明了所提出的基于学习方案的有效性，所提出的方法始终优于基准方案，突显了其优越的性能和实际应用潜力。
引用
@article{arxiv.2401.01140,
title = {Joint Offloading and Resource Allocation for Hybrid Cloud and Edge Computing in SAGINs: A Decision Assisted Hybrid Action Space Deep Reinforcement Learning Approach},
author = {Chong Huang and Gaojie Chen and Pei Xiao and Yue Xiao and Zhu Han and Jonathon A. Chambers},
journal= {arXiv preprint arXiv:2401.01140},
year = {2024}
}
备注
15 pages, accepted for publication in IEEE Journal on Selected Areas in Communications