論文の概要: Revenue and Energy Efficiency-Driven Delay Constrained Computing Task
Offloading and Resource Allocation in a Vehicular Edge Computing Network: A
Deep Reinforcement Learning Approach
- arxiv url: http://arxiv.org/abs/2010.08119v1
- Date: Fri, 16 Oct 2020 02:45:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-06 20:39:17.895272
- Title: Revenue and Energy Efficiency-Driven Delay Constrained Computing Task
Offloading and Resource Allocation in a Vehicular Edge Computing Network: A
Deep Reinforcement Learning Approach
- Title(参考訳): 自動車用エッジコンピューティングネットワークにおける収益とエネルギー効率による遅延制約コンピューティングタスクのオフロードとリソース割り当て:深層強化学習アプローチ
- Authors: Xinyu Huang, Lijun He, Xing Chen, Liejun Wang, Fan Li
- Abstract要約: 作業遅延制約に対するタスクタイプと車両速度の併用効果は研究されていない。
本稿では,共同作業型と車速対応タスクオフロードと資源配分戦略を提案する。
本アルゴリズムは,タスク完了遅延,車両のエネルギーコスト,処理収益において優れた性能を実現することができる。
- 参考スコア(独自算出の注目度): 13.400466824558915
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For in-vehicle application,task type and vehicle state information, i.e.,
vehicle speed, bear a significant impact on the task delay requirement.
However, the joint impact of task type and vehicle speed on the task delay
constraint has not been studied, and this lack of study may cause a mismatch
between the requirement of the task delay and allocated computation and
wireless resources. In this paper, we propose a joint task type and vehicle
speed-aware task offloading and resource allocation strategy to decrease the
vehicl's energy cost for executing tasks and increase the revenue of the
vehicle for processing tasks within the delay constraint. First, we establish
the joint task type and vehicle speed-aware delay constraint model. Then, the
delay, energy cost and revenue for task execution in the vehicular edge
computing (VEC) server, local terminal and terminals of other vehicles are
calculated. Based on the energy cost and revenue from task execution,the
utility function of the vehicle is acquired. Next, we formulate a joint
optimization of task offloading and resource allocation to maximize the utility
level of the vehicles subject to the constraints of task delay, computation
resources and wireless resources. To obtain a near-optimal solution of the
formulated problem, a joint offloading and resource allocation based on the
multi-agent deep deterministic policy gradient (JORA-MADDPG) algorithm is
proposed to maximize the utility level of vehicles. Simulation results show
that our algorithm can achieve superior performance in task completion delay,
vehicles' energy cost and processing revenue.
- Abstract(参考訳): 車載アプリケーション、タスクタイプ、および車両の状態情報、すなわち車両の速度は、タスクの遅延要求に大きな影響を与える。
しかし、タスクの遅延制約に対するタスクタイプと車両速度の併用効果は研究されておらず、この研究の欠如は、タスクの遅延要求と割り当てた計算と無線リソースとのミスマッチを引き起こす可能性がある。
本稿では,タスク実行におけるvehiclのエネルギーコストを削減し,遅延制約内でタスク処理を行う車両の収益を増大させるため,共同作業型および車両速度対応タスクオフロードと資源配分戦略を提案する。
まず,共同作業型と車両速度を考慮した遅延制約モデルを確立する。
そして、車両エッジコンピューティング(VEC)サーバ、ローカル端末および他の車両の端末におけるタスク実行の遅延、エネルギーコスト、収益を算出する。
タスク実行によるエネルギーコストと収益に基づいて、車両の実用機能を取得する。
次に,タスクの遅延や計算資源,無線リソースの制約を受ける車両の実用レベルを最大化するために,タスクのオフロードとリソース割り当てを共同で最適化する。
定式化問題の準最適解を得るために,多エージェントの深層決定性ポリシー勾配(JORA-MADDPG)に基づく共同オフロードと資源配分を提案し,車両の実用レベルを最大化する。
シミュレーションの結果,本アルゴリズムはタスク完了遅延,車両のエネルギーコスト,処理収益において優れた性能が得られることがわかった。
関連論文リスト
- Fair collaborative vehicle routing: A deep multi-agent reinforcement
learning approach [49.00137468773683]
協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。
従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。
我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
論文 参考訳(メタデータ) (2023-10-26T15:42:29Z) - A Robust Adaptive Workload Orchestration in Pure Edge Computing [0.0]
エッジデバイスのモビリティと計算能力の制限は、緊急かつ計算集約的なタスクをサポートする上での課題となる。
エッジノードが可能な限り多くのレイテンシに敏感なタスクを完了させることは不可欠です。
本稿では,納期ミスやデータ損失を最小限に抑えるために,ロバスト適応ワークロードオーケストレーション(R-AdWOrch)モデルを提案する。
論文 参考訳(メタデータ) (2023-08-15T20:04:18Z) - 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) - Roulette-Wheel Selection-Based PSO Algorithm for Solving the Vehicle
Routing Problem with Time Windows [58.891409372784516]
本稿では,Roulette Wheel Method (RWPSO) を用いた新しいPSO手法を提案する。
RWPSOのSolomon VRPTWベンチマークデータセットを用いた実験は、RWPSOが文学の他の最先端アルゴリズムと競合していることを示している。
論文 参考訳(メタデータ) (2023-06-04T09:18:02Z) - Computation Offloading for Uncertain Marine Tasks by Cooperation of UAVs
and Vessels [12.612678646691263]
無人航空機(UAV)と船舶の協力により、海上作業のオフロードの決定に焦点をあてる。
マルコフ決定過程を定式化し、総実行時間とエネルギーコストを最小化する。
我々はリアプノフ最適化を利用して、実行時間とエネルギーコストの長期的制約をそれらの短期制約に変換する。
論文 参考訳(メタデータ) (2023-02-13T02:24:25Z) - 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) - Innovations in the field of on-board scheduling technologies [64.41511459132334]
本稿では、ミッション自律のためのソフトウェアフレームワークに組み込まれた、オンボードスケジューラを提案する。
スケジューラは線形整数プログラミングに基づいており、ブランチ・アンド・カット・ソルバの使用に依存している。
この技術は地球観測のシナリオでテストされており、その性能を最先端のスケジューリング技術と比較している。
論文 参考訳(メタデータ) (2022-05-04T12:00:49Z) - Learning Based Task Offloading in Digital Twin Empowered Internet of
Vehicles [22.088412340577896]
インターネット・オブ・ビークルのためのタスク・オフロード・フレームワークとしてDigital Twin (DT)を提案する。
クラウドに居住するソフトウェアエージェントとして、DT間の通信を用いて、DTは両方のグローバルネットワーク情報を得ることができる。
本稿では,アルゴリズムが最適オフロード戦略を効果的に発見できることを示すとともに,高速収束と高性能化を実現可能であることを示す。
論文 参考訳(メタデータ) (2021-12-28T08:24:56Z) - Deep Reinforcement Learning for Delay-Oriented IoT Task Scheduling in
Space-Air-Ground Integrated Network [24.022108191145527]
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。
論文 参考訳(メタデータ) (2020-10-04T02:58:03Z) - Computation Offloading in Heterogeneous Vehicular Edge Networks: On-line
and Off-policy Bandit Solutions [30.606518785629046]
高速変動車体環境では、ネットワークの混雑によりオフロードの遅延が発生する。
本稿では,バンディット理論に基づくオンラインアルゴリズムと非政治学習アルゴリズムを提案する。
提案手法は,最も混雑の少ないネットワークを選択することで,ネットワークのトラフィック変化に適応することを示す。
論文 参考訳(メタデータ) (2020-08-14T11:48:13Z) - 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)
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。