MEC与车载雾系统中的多目标卸载优化：一种分布式TD3方法
网络与互联网体系结构
2024-04-22 v1 信号处理
摘要
5G网络的出现使得双层边缘与车载雾网络的部署成为可能。该网络由多接入边缘计算（MEC）和车载雾（VF）组成，战略性地部署在更靠近物联网（IoT）设备的位置，与基于云的解决方案相比降低了传播延迟，并确保了令人满意的服务质量（QoS）。然而，在演唱会或体育比赛等高流量事件期间，MEC站点可能面临拥塞并变得过载。利用卸载技术，我们可以将计算密集型任务从资源受限的设备转移到具有充足容量的设备，以加速任务并延长设备电池寿命。在本研究中，我们考虑双层MEC和VF架构内的卸载，涉及从MEC到MEC以及从MEC到VF的卸载。主要目标是在考虑延迟和能耗的情况下最小化系统平均成本。为了实现这一目标，我们构建了一个多目标优化问题，旨在在给定资源约束下最小化延迟和能耗。为了促进近乎最优的计算卸载决策，我们设计了一个等效的强化学习环境，准确表示网络架构和所构建的问题。为此，我们提出了一种基于TD3算法的分布式TD3（DTD3）方法。大量仿真表明，与其他基准解决方案相比，我们的策略实现了更快的收敛速度和更高的效率。
引用
@article{arxiv.2404.12584,
title = {Multi-Objective Offloading Optimization in MEC and Vehicular-Fog Systems: A Distributed-TD3 Approach},
author = {Frezer Guteta Wakgra and Binayak Kar and Seifu Birhanu Tadele and Shan-Hsiang Shen and Asif Uddin Khan},
journal= {arXiv preprint arXiv:2404.12584},
year = {2024}
}