移动边缘计算网络：在线低延迟与新鲜服务 provisioning
信息论
2024-08-27 v1 math.IT
摘要
边缘服务缓存可以通过从云端获取和初始化服务 (应用程序) 来显著缓解延迟并减少通信和计算开销。服务数据的新鲜度在为用户提供满意的服务时至关重要，但在现有研究努力中受到忽视。本文研究了移动边缘计算 (MEC) 网络中的在线低延迟和新鲜服务 provisioning。具体而言，我们在缺乏未来系统信息的情况下，联合优化服务缓存、任务卸载和资源分配，形成一个联合在线长期优化问题。该问题为NP难。为解决该问题，我们设计了一个基于 Lyapunov 的在线框架，将问题在时间层面解耦为一系列单时隙子问题。对于每个子问题，我们提出一种在线集成优化-深度强化学习 (OIODRL) 方法，其中包含包括二次约束二次规划 (QCQP) 转换和半正义松弛 (SDR) 方法的优化阶段，以及深度强化学习 (DRL) 算法的学习阶段。大量仿真结果表明，所提出的 OIODRL 方法接近最优解，并优于其他基准方法。
引用
@article{arxiv.2408.13605,
title = {Mobile Edge Computing Networks: Online Low-Latency and Fresh Service Provisioning},
author = {Yuhan Yi and Guanglin Zhang and Hai Jiang},
journal= {arXiv preprint arXiv:2408.13605},
year = {2024}
}