基于多智能体强化学习的无线边缘网络工业AIGC服务卸载
网络与互联网体系结构
2024-05-07 v1 人工智能
摘要
目前，生成模型因其在解决工业物联网中异常样本稀缺挑战方面的应用而受到广泛关注。然而，生成模型的边缘部署以及联合边缘AI生成内容（AIGC）任务的优化仍然存在挑战。本文聚焦于AIGC任务执行的边缘优化，提出了GMEL，一个生成模型驱动的工业AIGC协作边缘学习框架。该框架旨在通过利用真实样本合成和基于边缘的优化能力，促进高效的小样本学习。首先，提出了一个多任务AIGC计算卸载模型，以确保异构AIGC任务在边缘服务器上的高效执行。然后，我们提出了一种注意力增强的多智能体强化学习（AMARL）算法，旨在优化物联网系统中的卸载策略，从而支持生成模型驱动的边缘学习。最后，我们的实验结果证明了所提算法在优化基于边缘的AIGC任务完成的总系统延迟方面的有效性。
引用
@article{arxiv.2405.02972,
title = {Multi-Agent RL-Based Industrial AIGC Service Offloading over Wireless Edge Networks},
author = {Siyuan Li and Xi Lin and Hansong Xu and Kun Hua and Xiaomin Jin and Gaolei Li and Jianhua Li},
journal= {arXiv preprint arXiv:2405.02972},
year = {2024}
}