基于多智能体强化学习的移动自组织计算编码计算
机器学习
2021-04-16 v1 系统与控制
系统与控制
摘要
移动自组织计算(MAHC)允许移动设备直接共享其计算资源，是解决移动设备对计算资源日益增长需求的一种有前景的方案。然而，由于节点移动性导致的频繁拓扑变化与链路故障、不稳定且未知的通信环境，以及设备的异构特性，将计算任务从移动设备卸载到其他移动设备是一项具有挑战性的任务。为应对这些挑战，本文引入了一种基于多智能体强化学习(MARL)的新型编码计算方案，其具有诸多优越特性，如适应网络变化、高效率、对不确定系统干扰的鲁棒性、考虑节点异构性以及去中心化负载分配。综合仿真研究表明，所提方法优于最先进的分布式计算方案。
引用
@article{arxiv.2104.07539,
title = {Multi-Agent Reinforcement Learning Based Coded Computation for Mobile Ad Hoc Computing},
author = {Baoqian Wang and Junfei Xie and Kejie Lu and Yan Wan and Shengli Fu},
journal= {arXiv preprint arXiv:2104.07539},
year = {2021}
}