論文の概要: Computation Offloading for Uncertain Marine Tasks by Cooperation of UAVs
and Vessels
- arxiv url: http://arxiv.org/abs/2302.06055v1
- Date: Mon, 13 Feb 2023 02:24:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 16:51:12.051887
- Title: Computation Offloading for Uncertain Marine Tasks by Cooperation of UAVs
and Vessels
- Title（参考訳）: UAVと船舶の協調による不確実な海洋作業の計算負荷
- Authors: Jiahao You, Ziye Jia, Chao Dong, Lijun He, Yilu Cao, and Qihui Wu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 12.612678646691263
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the continuous increment of maritime applications, the development of
marine networks for data offloading becomes necessary. However, the limited
maritime network resources are very difficult to satisfy real-time demands.
Besides, how to effectively handle multiple compute-intensive tasks becomes
another intractable issue. Hence, in this paper, we focus on the decision of
maritime task offloading by the cooperation of unmanned aerial vehicles (UAVs)
and vessels. Specifically, we first propose a cooperative offloading framework,
including the demands from marine Internet of Things (MIoTs) devices and
resource providers from UAVs and vessels. Due to the limited energy and
computation ability of UAVs, it is necessary to help better apply the vessels
to computation offloading. Then, we formulate the studied problem into a Markov
decision process, aiming to minimize the total execution time and energy cost.
Then, we leverage Lyapunov optimization to convert the long-term constraints of
the total execution time and energy cost into their short-term constraints,
further yielding a set of per-time-slot optimization problems. Furthermore, we
propose a Q-learning based approach to solve the short-term problem
efficiently. Finally, simulation results are conducted to verify the
correctness and effectiveness of the proposed algorithm.
- Abstract（参考訳）: 海上利用の継続的な増加に伴い、データオフロードのための海洋ネットワークの開発が必要である。
しかし、限られた海上ネットワーク資源は、リアルタイムの要求を満たすことが非常に困難である。
さらに、複数の計算集約的なタスクを効果的に処理する方法も難題である。
そこで本稿では,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。
具体的には、まず、海洋生物のインターネット(MIoT)デバイスやUAVや船舶からのリソースプロバイダからの要求を含む、協調的なオフロードフレームワークを提案する。
uavのエネルギーと計算能力が限られているため、船を計算オフロードに適用するのに役立つ必要がある。
次に, 総実行時間とエネルギーコストの最小化を目的として, 検討した問題をマルコフ決定プロセスに定式化する。
次に、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的制約に変換し、さらに、時間スロットごとの最適化問題を導出する。
さらに,短期的な問題を効果的に解決するためのQ-Learningに基づくアプローチを提案する。
最後に,提案アルゴリズムの正確性と有効性を検証するためにシミュレーションを行った。
関連論文リスト
- Computation Pre-Offloading for MEC-Enabled Vehicular Networks via Trajectory Prediction [38.493882483362135]
本稿では,車両の過去の軌跡を解析するためのトラジェクトリ予測に基づく事前負荷決定アルゴリズムを提案する。
本稿では,Double Deep Q-Network (DDQN) を用いて,エッジサーバがタスク処理遅延を最小限に抑える動的リソース割り当てアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-26T09:46:43Z) - DNN Partitioning, Task Offloading, and Resource Allocation in Dynamic Vehicular Networks: A Lyapunov-Guided Diffusion-Based Reinforcement Learning Approach [49.56404236394601]
本稿では,Vehicular Edge Computingにおける共同DNNパーティショニング,タスクオフロード,リソース割り当ての問題を定式化する。
我々の目標は、時間とともにシステムの安定性を保証しながら、DNNベースのタスク完了時間を最小化することである。
拡散モデルの革新的利用を取り入れたマルチエージェント拡散に基づく深層強化学習(MAD2RL)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-06-11T06:31:03Z) - 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) - Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud
Computing [73.7522199491117]
量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。
ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。
本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
論文 参考訳（メタデータ） (2023-07-25T00:38:46Z) - 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) - Revenue and Energy Efficiency-Driven Delay Constrained Computing Task
Offloading and Resource Allocation in a Vehicular Edge Computing Network: A
Deep Reinforcement Learning Approach [13.400466824558915]
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。
論文 参考訳（メタデータ） (2020-10-16T02:45:05Z) - 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) - 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) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - 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)
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。