具有任务卸载的语义感知网络资源优化

用户设备的有限能力限制了计算密集型应用的本地实现。边缘计算，尤其是边缘智能系统，使本地用户能够将计算任务卸载至边缘服务器，以降低用户设备计算能耗并加速任务执行。然而，上行信道带宽有限可能增加任务传输时延并影响计算卸载性能。为克服无线通信资源稀缺带来的挑战，我们提出一种语义感知多模态任务卸载系统，促进语义任务信息的提取与卸载至边缘服务器。为应对具有多模态数据的不同任务，设计了一种统一体验质量（QoE）准则。此外，提出一种基于近端策略优化的多智能体强化学习算法（MAPPO），以分布式、低计算复杂度方式协调无线通信与计算资源管理。仿真结果验证了所提 MAPPO 算法在任务执行速度与系统整体 QoE 方面优于其他强化学习算法与固定方案。