多智能体深度强化学习赋能的车载云网络计算资源分配
人工智能
2020-08-18 v2 多智能体系统
摘要
在本文中，我们研究了无集中式基础设施支持的分布式自组织车载网络中的计算资源分配问题。为支持此类车载网络中不断增长的计算需求，构建了分布式虚拟云网络 (VCN)，并基于此提出一种通过邻近车辆间卸载实现的计算资源共享方案。鉴于 VCN 中计算资源的时变特性，详细分析了计算资源的统计分布特征。据此，提出一种资源感知的组合优化目标机制。为缓解 VCN 中典型多智能体环境导致的非平稳环境，我们采用集中训练与分散执行框架。此外，针对该目标优化问题，将其建模为马尔可夫博弈，并提出一种基于 DRL 的多智能体深度确定性策略梯度 (MADDPG) 算法来求解。有趣的是，为克服 VCN 中缺乏真实中央控制单元的困境，分配实际以分布式方式在车辆上完成。仿真结果证明了我们方案的有效性。
引用
@article{arxiv.2008.06464,
title = {Multi-Agent Deep Reinforcement Learning enabled Computation Resource Allocation in a Vehicular Cloud Network},
author = {Shilin Xu and Caili Guo and Rose Qingyang Hu and Yi Qian},
journal= {arXiv preprint arXiv:2008.06464},
year = {2020}
}
备注
I have update this paper, and a new version will be resubmitted later