灾害应急场景下基于多智能体深度强化学习的任务卸载策略OACSCDCSTPCD
Multi-intelligence deep reinforcement learning-based task offloading strategy for disaster emergency scenarios
针对传统深度强化学习(deep reinforcement learning,DRL)中收敛速度缓慢、经验重放组利用率低的问题,提出了灾害应急场景下基于多智能体深度强化学习(MADRL)的任务卸载策略.首先,针对MEC网络环境随时隙变化且当灾害发生时传感器数据多跳的问题,建立了灾害应急场景下基于MADRL的任务卸载模型;然后,针对传统DRL由高维动作空间导致的收敛缓慢问题,利用自适应差分进化算法(ADE)的变异和交叉操作探索动作空间,提出了 自适…查看全部>>
For the problems of slow convergence and low utilization of empirical replay groups in traditional DRL,this paper proposed a multi agent deep reinforcement learning(MADRL)based task offloading strategy for disaster emergency scenarios.Firstly,it established a task offloading model based on MADRL for disaster emergency scenarios to deal with the problem of time slot changes in MEC network environment and multi-hop sensor data transmission when disasters occur…查看全部>>
米德昌;王霄;李梦丽;秦俊康
贵州大学 电气工程学院,贵阳 550025贵州大学 电气工程学院,贵阳 550025贵州大学 电气工程学院,贵阳 550025贵州大学 电气工程学院,贵阳 550025
计算机与自动化
灾害应急任务卸载多智能体深度强化学习自适应差分进化算法
disaster emergencytask offloadingMADRLADE
《计算机应用研究》 2023 (12)
基于自组织网络多源异构信息场演化融合的贵州山体蠕滑-拉裂型地质滑坡监测及预警应用研究
3766-3771,3777,7
国家自然科学基金资助项目(61861007,61640014)贵州省科技计划资助项目(黔科合基础-ZK[2021]一般303)贵州省科技支撑计划资助项目(科合支撑[2022]一般017,黔科合支撑[2023]一般096,黔科合支撐[2022]一般264)贵州省教育厅创新群体项目(黔教合KY字[2021]012)贵大引进人才项目(贵大人基合字(2014)08号)
评论