基于多智能体强化学习的无蜂窝大规模MIMO移动边缘计算网络分布式联合通信与计算资源分配
网络与互联网体系结构
2023-07-04 v3 系统与控制
系统与控制
摘要
为支持新引入的具有超低延迟和大量计算需求的多媒体服务，资源受限的终端用户设备应利用网络边缘普遍可用的计算资源，以边缘计算增强板载（本地）处理。在这方面，无蜂窝大规模MIMO能够通过保证无小区边缘的统一服务质量来提供可靠接入链路的能力，可被用于无缝并行处理。考虑到这一点，我们考虑一个无蜂窝大规模MIMO赋能的移动边缘网络，以满足先进服务的严苛要求。针对所考虑的移动边缘网络，我们制定了一个联合通信与计算资源分配（JCCRA）问题，目标是在满足严格延迟约束的同时最小化用户能耗。然后我们提出了一种基于多智能体深度确定性策略梯度（MADDPG）算法的完全分布式协作求解方法。仿真结果表明，所提出的分布式方法的性能已收敛到基于集中式深度确定性策略梯度（DDPG）的目标基准，同时减轻了后者相关的大开销。此外，已表明我们的方法在能效方面显著优于启发式基线，总能耗大约降低至最多1/5。
引用
@article{arxiv.2201.09057,
title = {Multi-Agent Reinforcement Learning for Distributed Joint Communication and Computing Resource Allocation over Cell-Free Massive MIMO-enabled Mobile Edge Computing Network},
author = {Fitsum Debebe Tilahun and Ameha Tsegaye Abebe and Chung G. Kang},
journal= {arXiv preprint arXiv:2201.09057},
year = {2023}
}