基于多智能体元强化学习的车联网协同服务缓存和计算卸载OA北大核心CSCDCSTPCD
Cooperative service caching and peer offloading in Internet of vehicles based on multi-agent meta-reinforcement learning
为了降低求解优化问题的难度,提出一种双层的多路侧单元(RSU)协同缓存框架将问题进行解耦.外层采用多智能体元强化学习方法,在每个本地智能体进行决策学习的同时,采用长短期记忆网络作为元智能体来平衡本地决策并加速学习过程,从而得到最优的RSU缓存策略;内层采用拉格朗日乘子法求解最佳协同卸载策略,实现RSU间的任务分配.基于杭州真实交通数据的实验表明,所提方法具有理想的能效性能,并且能够在大规模任务流下保持网络稳健性.
宁兆龙;张凯源;王小洁;郭磊
重庆邮电大学通信与信息工程学院,重庆 400065大连理工大学软件学院,辽宁 大连 116620大连理工大学软件学院,辽宁 大连 116620重庆邮电大学通信与信息工程学院,重庆 400065
信息技术与安全科学
车联网边缘服务缓存协同卸载元强化学习
《通信学报》 2021 (6)
面向5G车联网的边缘网络资源管理关键技术研究
118-130,13
国家重点研发计划基金资助项目(No.2018YFE0206800)国家自然科学基金资助项目(No.62025105,No.61971084,No.62001073)重庆英才计划基金资助项目(No.CQYC2020058659)
评论