咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >云雾混合网络下基于多智能体架构的资源分配及卸载决策研究 收藏

云雾混合网络下基于多智能体架构的资源分配及卸载决策研究

Research on Resource Allocation and Offloading Decision Based on Multi-agent Architecture in Cloud-fog Hybrid Network

作     者:陈前斌 谭颀 贺兰钦 唐伦 CHEN Qianbin;TAN Qi;HE Lanqin;TANG Lun

作者机构:重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学移动通信技术重点实验室重庆400065 

出 版 物:《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期:2021年第43卷第9期

页      面:2654-2662页

核心收录:

学科分类:0810[工学-信息与通信工程] 08[工学] 081001[工学-通信与信息系统] 

基  金:国家自然科学基金(62071078) 重庆市教委科学技术研究项目(KJZD-M20180601) 重庆市重大主题专项项目(cstc2019jscxzdztzxX0006) 

主  题:云雾混合 D2D 多智能体 资源分配 计算卸载 

摘      要:针对D2D辅助的云雾混合架构下资源分配及任务卸载决策优化问题,该文提出一种基于多智能体架构深度强化学习的资源分配及卸载决策算法。首先,该算法考虑激励约束、能量约束以及网络资源约束,联合优化无线资源分配、计算资源分配以及卸载决策,建立了最大化系统总用户体验质量(QoE)的随机优化模型,并进一步将其转化为MDP问题。其次,该算法将原MDP问题进行因式分解,并建立马尔可夫博弈模型。然后,基于行动者-评判家(AC)算法提出一种集中式训练、分布式执行机制。在集中式训练过程中,多智能体通过协作获取全局信息,实现资源分配及任务卸载决策策略优化,在训练过程结束后,各智能体独立地根据当前系统状态及策略进行资源分配及任务卸载。最后,仿真结果表明,该算法可以有效提升用户QoE,并降低了时延及能耗。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分