基于深度强化学习的应急物联网切片资源预留算法OA北大核心CSCDCSTPCD
Deep reinforcement learning-based resource reservation algorithm for emergency Internet-of-things slice
针对应急物联网(EIoT)超低时延服务需求,设计了面向超低时延传输应急物联网的多切片网络架构,提出EIoT切片资源预留和多异构切片资源共享与隔离的方法框架.所提框架采用深度强化学习方法实现实时异构切片间资源需求的自动预测与分配,切片内用户资源分配建模为基于形状的二维背包问题并采用启发式算法数值求解,从而实现切片内资源定制化.仿真结果表明,基于资源预留的方法能够使EIoT切片显式保留资源,提供了更好的安全隔离级别;深度强化学习能够保证资源预留的准确和实时更新,有效兼顾资源利用率和切片差异化服务质量要求.与4个已有算法对比表明,Dueling DQN具有更好的性能优势.
孙国林;欧睿杰;刘贵松
电子科技大学计算机科学与工程学院,四川成都 611731电子科技大学计算机科学与工程学院,四川成都 611731电子科技大学计算机科学与工程学院,四川成都 611731
信息技术与安全科学
应急物联网深度强化学习资源预留超低时延通信
《通信学报》 2020 (9)
8-20,13
国家自然科学基金资助项目(No.61771098)四川省科技计划基金资助项目(No.2020YFQ0025)
评论