論文の概要: Deep Reinforcement Learning for Delay-Oriented IoT Task Scheduling in
Space-Air-Ground Integrated Network
- arxiv url: http://arxiv.org/abs/2010.01471v1
- Date: Sun, 4 Oct 2020 02:58:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 04:07:03.034184
- Title: Deep Reinforcement Learning for Delay-Oriented IoT Task Scheduling in
Space-Air-Ground Integrated Network
- Title(参考訳): 宇宙空間統合ネットワークにおける遅延指向型IoTタスクスケジューリングのための深層強化学習
- Authors: Conghao Zhou, Wen Wu, Hongli He, Peng Yang, Feng Lyu, Nan Cheng, and
Xuemin (Sherman) Shen
- Abstract要約: 宇宙空間統合ネットワーク(SAGIN)における遅延指向モノのインターネット(IoT)サービスにおけるタスクスケジューリング問題について検討する。
検討されたシナリオでは、無人航空機(UAV)がIoTデバイスからコンピューティングタスクを収集し、オンラインのオフロード決定を行う。
我々の目的は、UAVエネルギー容量の制約により、タスクのオフロードと計算遅延を最小限に抑えるタスクスケジューリングポリシーを設計することである。
- 参考スコア(独自算出の注目度): 24.022108191145527
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we investigate a computing task scheduling problem in
space-air-ground integrated network (SAGIN) for delay-oriented Internet of
Things (IoT) services. In the considered scenario, an unmanned aerial vehicle
(UAV) collects computing tasks from IoT devices and then makes online
offloading decisions, in which the tasks can be processed at the UAV or
offloaded to the nearby base station or the remote satellite. Our objective is
to design a task scheduling policy that minimizes offloading and computing
delay of all tasks given the UAV energy capacity constraint. To this end, we
first formulate the online scheduling problem as an energy-constrained Markov
decision process (MDP). Then, considering the task arrival dynamics, we develop
a novel deep risk-sensitive reinforcement learning algorithm. Specifically, the
algorithm evaluates the risk, which measures the energy consumption that
exceeds the constraint, for each state and searches the optimal parameter
weighing the minimization of delay and risk while learning the optimal policy.
Extensive simulation results demonstrate that the proposed algorithm can reduce
the task processing delay by up to 30% compared to probabilistic configuration
methods while satisfying the UAV energy capacity constraint.
- Abstract(参考訳): 本稿では,宇宙空間統合ネットワーク(SAGIN)における遅延指向モノのインターネット(IoT)サービスにおけるタスクスケジューリング問題について検討する。
想定されたシナリオでは、無人航空機(uav)がiotデバイスからコンピューティングタスクを収集し、そのタスクをuavで処理したり、近くの基地局やリモート衛星にオフロードしたりできるオンラインオフロード決定を行う。
我々の目的は、UAVエネルギー容量の制約により、タスクのオフロードと計算遅延を最小限に抑えるタスクスケジューリングポリシーを設計することである。
この目的のために,まずオンラインスケジューリング問題をエネルギー制約マルコフ決定プロセス(mdp)として定式化する。
そして,タスク到達ダイナミクスを考慮した新しい深部リスク感応強化学習アルゴリズムを開発した。
具体的には、各状態に対する制約を超えるエネルギー消費量を測定するリスクを評価し、最適なポリシーを学習しながら遅延とリスクの最小化を重んじる最適パラメータを探索する。
シミュレーションの結果,UAVの容量制約を満たしつつ,確率的構成法と比較してタスク処理遅延を最大30%低減できることがわかった。
関連論文リスト
- Structural Knowledge-Driven Meta-Learning for Task Offloading in
Vehicular Networks with Integrated Communications, Sensing and Computing [21.50450449083369]
タスクオフロードは、オンボードコンピューティングリソースが限られているため、遅延に敏感な車両用アプリケーションの厳格な要件を満たすための潜在的なソリューションである。
本稿では,モデルに基づくAMアルゴリズムとニューラルネットワークを併用した,創造的構造的知識駆動型メタラーニング(SKDML)手法を提案する。
論文 参考訳(メタデータ) (2024-02-25T03:31:59Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳(メタデータ) (2023-08-03T02:49:50Z) - A Fast Task Offloading Optimization Framework for IRS-Assisted
Multi-Access Edge Computing System [14.82292289994152]
我々は,IOPO(Iterative Order-Preserving Policy Optimization)と呼ばれるディープラーニングに基づく最適化フレームワークを提案する。
IOPOはエネルギー効率のよいタスクオフロード決定をミリ秒で生成できる。
実験の結果,提案フレームワークは短時間でエネルギー効率の高いタスクオフロード決定を生成できることがわかった。
論文 参考訳(メタデータ) (2023-07-17T13:32:02Z) - Differentially Private Deep Q-Learning for Pattern Privacy Preservation
in MEC Offloading [76.0572817182483]
攻撃者は、エッジサーバ(ES)のキュー情報とユーザの使用パターンを推測するために、オフロードの決定を盗み取ることができる。
パターンプライバシ(PP)を維持しつつ,レイテンシ,ESのエネルギー消費,タスク削減率を両立させるオフロード戦略を提案する。
そこで我々はDP-DQOアルゴリズムを開発し,PP問題にノイズを注入することでこの問題に対処する。
論文 参考訳(メタデータ) (2023-02-09T12:50:18Z) - Computation Offloading and Resource Allocation in F-RANs: A Federated
Deep Reinforcement Learning Approach [67.06539298956854]
フォグ無線アクセスネットワーク(フォグ無線アクセスネットワーク、F-RAN)は、ユーザのモバイルデバイス(MD)が計算タスクを近くのフォグアクセスポイント(F-AP)にオフロードできる有望な技術である。
論文 参考訳(メタデータ) (2022-06-13T02:19:20Z) - Deep Reinforcement Learning for Collaborative Edge Computing in
Vehicular Networks [40.957135065965055]
協調エッジコンピューティングフレームワークは、コンピューティングサービスのレイテンシを低減し、車両ネットワークのサービスの信頼性を向上させるために開発されている。
人工知能(AI)に基づく協調コンピューティングアプローチが開発され、車両のタスクオフロード、コンピューティング、結果配信ポリシーが決定される。
当社のアプローチでは,サービスレイテンシとサービス障害ペナルティを含むサービスコストを,最適なワークロード割り当てとサーバの選択によって最小化することができる。
論文 参考訳(メタデータ) (2020-10-05T00:06:37Z) - A Machine Learning Approach for Task and Resource Allocation in Mobile
Edge Computing Based Networks [108.57859531628264]
無線ネットワークにおいて,共同作業,スペクトル,送信電力配分問題について検討する。
提案アルゴリズムは、標準Q-ラーニングアルゴリズムと比較して、収束に必要なイテレーション数と全ユーザの最大遅延を最大18%、11.1%削減することができる。
論文 参考訳(メタデータ) (2020-07-20T13:46:42Z) - Energy Minimization in UAV-Aided Networks: Actor-Critic Learning for
Constrained Scheduling Optimization [30.742052801257998]
無人航空機 (UAV) の応用においては、UAVの限られたエネルギー供給と貯蔵がインテリジェントなエネルギー保存ソリューションの開発を引き起こしている。
本稿では,データ転送スケジューリングホバリング時間を最適化するエネルギーDSOSソリューションについて検討する。
論文 参考訳(メタデータ) (2020-06-24T10:44:28Z) - Federated Learning for Task and Resource Allocation in Wireless High
Altitude Balloon Networks [160.96150373385768]
移動エッジコンピューティング(MEC)対応バルーンネットワークにおいて,タスク計算と伝送におけるエネルギーと時間消費の最小化の問題について検討した。
サポートベクトルマシン(SVM)に基づくフェデレーション学習(FL)アルゴリズムを提案する。
提案したSVMベースのFL法では,各HABが協調してSVMモデルを構築し,すべてのユーザアソシエーションを決定できる。
論文 参考訳(メタデータ) (2020-03-19T14:18:25Z) - RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment
and Passive Beamforming Design [116.88396201197533]
再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。
エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。
リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。
RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-01-28T14:37:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。