基于学习的移动边缘-量子计算可持续多用户计算卸载
网络与互联网体系结构
2022-11-15 v1
摘要
本文提出了一种移动边缘-量子计算（MEQC）的新范式，将量子计算能力引入更靠近移动用户（即边缘设备）的移动边缘网络。首先，我们提出了一个 MEQC 系统模型，其中移动用户可通过带有低温组件和容错方案的边缘服务器将计算任务卸载到可扩展量子计算机。其次，我们表明就经典与量子计算的最优时延和能耗而言，在 MEQC 中获得部分卸载问题的集中式解是 NP-hard 的。第三，我们提出了一种使用近端策略优化的多智能体混合离散-连续深度强化学习，以在无需先验知识的情况下学习长期可持续卸载策略。最后，实验结果表明，在不同系统设置下，所提算法相比现有基线方案至少降低 30% 的成本。
引用
@article{arxiv.2211.06681,
title = {Learning-based Sustainable Multi-User Computation Offloading for Mobile Edge-Quantum Computing},
author = {Minrui Xu and Dusit Niyato and Jiawen Kang and Zehui Xiong and Mingzhe Chen},
journal= {arXiv preprint arXiv:2211.06681},
year = {2022}
}