多无人机辅助移动边缘计算的两跳信息年龄调度：FRL 与 MADDPG 对比
信号处理
2022-06-22 v1
摘要
本文采用无人机（UAV）移动边缘计算（MEC）这一新兴技术用于通信-计算系统，以优化网络中的信息年龄（AoI）。我们假设任务在无人机和基站上联合处理，以在连接和计算受限的情况下增强边缘性能。联合使用无人机和基站与MEC可降低网络中的AoI。为保持任务的新鲜度，我们在两跳通信框架下构建了AoI最小化问题，第一跳在无人机端，第二跳在基站端。为应对这一挑战，我们使用一种称为联邦强化学习（FRL）的深度强化学习（DRL）框架来优化该问题。在我们的网络中，存在两类具有不同状态和动作但共享相同策略的智能体。我们的FRL使我们能够处理两步AoI最小化和无人机轨迹问题。此外，我们将所提出的具有集中处理单元以更新权重的算法，与完全去中心化的多智能体深度确定性策略梯度（MADDPG）算法进行了比较，后者旨在增强智能体的性能。结果表明，所提出的算法性能优于MADDPG约38%。
引用
@article{arxiv.2206.09488,
title = {Two-Hop Age of Information Scheduling for Multi-UAV Assisted Mobile Edge Computing: FRL vs MADDPG},
author = {Marjan Tajik and Mohammadreza Maleki and Nader Mokari and Mohammad Reza Javan and Hamid Saeedi and Bile Peng and Eduard A. Jorswieck},
journal= {arXiv preprint arXiv:2206.09488},
year = {2022}
}