在移动边缘计算（Mobile Edge Computing，MEC）中，如何联合优化服务缓存与计算卸载以满足用户多样化需求是一个挑战性问题。同时，不合理的资源分配导致了低效的资源利用。针对这些重要挑战，引入了新兴的数字孪生（Digital Twin，DT）技术以实现物理网络到虚拟世界的映射，进而提出了一种新颖的基于凸优化使能深度强化学习的服务缓存与计算卸载联合优化（Joint optimization of service Caching and computation Offloading with Convex-optimization-enabled deep Reinforcement learning，JCO-CR）方法。首先，构建了一种新型的数字孪生云边网络（DT Cloud-Edge Networks，DTCEN）模型。接着，将服务缓存与计算卸载联合优化问题解耦为两个子问题并采用改进的深度强化学习方法和凸优化理论分别求解。大量仿真实验结果表明，与6种基准方法相比，JCO-CR方法能够有效降低长期服务延迟，并在不同场景下均展现出更加优越的性能。
蒙特卡洛树搜索(Monte Carlo tree search, MCTS)将强化学习的反馈优化与生长树的动态规划相结合,在输出当前状态的最佳动作的同时极大地减少了计算量,因此成为开放环境下众多领域智能系统的关键通用方法.但由于计算资源匮乏或者计算成...
详细信息
蒙特卡洛树搜索(Monte Carlo tree search, MCTS)将强化学习的反馈优化与生长树的动态规划相结合,在输出当前状态的最佳动作的同时极大地减少了计算量,因此成为开放环境下众多领域智能系统的关键通用方法.但由于计算资源匮乏或者计算成本昂贵等原因,完全充分地对树结构进行搜索是难以实现的,因此在有限的预算下高效合理地分配计算资源从而获得当前状态下的最优动作是目前研究的一个重要问题.现有大多数算法仅以识别准确率作为性能指标,通过实验对比验证算法性能,缺少对算法的识别误差和影响因素的分析,从而降低了算法的可信性和可解释性.针对该问题,选择基础核心的2名玩家、完全信息、零和博弈场景,提出了固定预算设定下MCTS抽象模型的最优行动识别算法DLU——基于相对熵置信区间的纯探索(relative entropy confidence interval based pure exploration).首先提出了基于相对熵置信区间的估值方法对叶子节点胜率进行估计,其可以从底层提高树节点估值准确性;其次给出了第1层节点值估计、最优节点选择策略以形成完整算法流程;然后推导了DLU算法的识别误差上界,并分析了算法性能的影响因素;最后在人造树模型和井字棋2种场景下验证算法性能.实验结果表明,在人造树模型上基于相对熵的算法类具有更高的准确度,且模型越复杂识别难度越高时,该算法类的性能优势越显著.在井字棋场景下,DLU算法能有效地识别最优动作.
暂无评论