論文の概要: Multi-Agent DRL for Queue-Aware Task Offloading in Hierarchical MEC-Enabled Air-Ground Networks

• arxiv url: http://arxiv.org/abs/2503.03391v1
• Date: Wed, 05 Mar 2025 11:12:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:53:17.634569
• Title: Multi-Agent DRL for Queue-Aware Task Offloading in Hierarchical MEC-Enabled Air-Ground Networks
• Title（参考訳）: 階層型MEC対応エアグラウンドネットワークにおけるキューアウェアタスクオフロードのためのマルチエージェントDRL
• Authors: Muhammet Hevesli, Abegaz Mohammed Seid, Aiman Erbad, Mohamed Abdallah,
• Abstract要約: モバイルエッジコンピューティング(MEC)対応エアグラウンドネットワークは6Gの重要なコンポーネントである。 本稿では,MEC対応空地統合ネットワーク(MAGIN)における全エネルギー問題に取り組む。 ベータ分布 (MAPPO-BD) を用いた多高度政策最適化手法を提案する。
• 参考スコア（独自算出の注目度）: 4.0948483603286245
• License:
• Abstract: Mobile edge computing (MEC)-enabled air-ground networks are a key component of 6G, employing aerial base stations (ABSs) such as unmanned aerial vehicles (UAVs) and high-altitude platform stations (HAPS) to provide dynamic services to ground IoT devices (IoTDs). These IoTDs support real-time applications (e.g., multimedia and Metaverse services) that demand high computational resources and strict quality of service (QoS) guarantees in terms of latency and task queue management. Given their limited energy and processing capabilities, IoTDs rely on UAVs and HAPS to offload tasks for distributed processing, forming a multi-tier MEC system. This paper tackles the overall energy minimization problem in MEC-enabled air-ground integrated networks (MAGIN) by jointly optimizing UAV trajectories, computing resource allocation, and queue-aware task offloading decisions. The optimization is challenging due to the nonconvex, nonlinear nature of this hierarchical system, which renders traditional methods ineffective. We reformulate the problem as a multi-agent Markov decision process (MDP) with continuous action spaces and heterogeneous agents, and propose a novel variant of multi-agent proximal policy optimization with a Beta distribution (MAPPO-BD) to solve it. Extensive simulations show that MAPPO-BD outperforms baseline schemes, achieving superior energy savings and efficient resource management in MAGIN while meeting queue delay and edge computing constraints.
• Abstract（参考訳）: モバイルエッジコンピューティング(MEC)対応エアグラウンドネットワークは6Gの重要なコンポーネントであり、無人航空機(UAV)や高高度プラットフォームステーション(HAPS)のような航空基地局(ABS)を使用して地上IoTデバイス(IoTD)に動的サービスを提供する。 これらのIoTDは、高い計算リソースと厳格な品質保証(QoS)を必要とするリアルタイムアプリケーション(例えば、マルチメディアやMetaverseサービス)をサポートする。 限られたエネルギーと処理能力のため、IoTDは分散処理のタスクをオフロードするためにUAVとHAPSに依存し、マルチ層MECシステムを形成する。 本稿では,UAVトラジェクトリ,計算資源割り当て,キュー対応タスクオフロード決定を共同で最適化することで,MEC対応エアグラウンド統合ネットワーク(MAGIN)の全体的なエネルギー最小化問題に取り組む。 この最適化は、従来の手法を非効率にレンダリングする階層システムの非凸で非線形な性質のため、困難である。 本研究では,連続的な行動空間と不均一なエージェントを備えたマルチエージェントマルコフ決定プロセス(MDP)として問題を再構成し,ベータ分布(MAPPO-BD)を用いたマルチエージェント近位ポリシー最適化の新たな変種を提案する。 MAPPO-BDは,待ち行列遅延やエッジコンピューティングの制約を満たしながら,MAGINにおける省エネと効率的な資源管理を実現し,ベースライン方式よりも優れた性能を示した。

関連論文リスト

• Energy-Efficient Flying LoRa Gateways: A Multi-Agent Reinforcement Learning Approach [1.1970409518725493]
  無人航空機(UAV)に搭載された空飛ぶLoRaゲートウェイを配備し、LoRaエンドデバイス(ED)からデータを収集し、中央サーバに送信する。 我々の主な目的は、送信電力(TP)、拡散係数(SF)、帯域幅(W)、EDアソシエーションの合同最適化により、無線LoRaネットワークのグローバルシステムエネルギー効率(EE)を最大化することである。
  論文  参考訳（メタデータ） (2025-02-05T17:16:40Z)
• Secure Resource Allocation via Constrained Deep Reinforcement Learning [49.15061461220109]
  リソース割り当て、タスクオフロード、セキュリティ、パフォーマンスのバランスをとるフレームワークであるSARMTOを紹介します。 SARMTOは5つのベースラインアプローチを一貫して上回り、最大40%のシステムコスト削減を実現している。 これらの拡張は、複雑な分散コンピューティング環境におけるリソース管理に革命をもたらすSARMTOの可能性を強調している。
  論文  参考訳（メタデータ） (2025-01-20T15:52:43Z)
• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
  低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。 本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-14T06:17:33Z)
• Edge computing service deployment and task offloading based on multi-task high-dimensional multi-objective optimization [5.64850919046892]
  本研究では,マルチユーザ環境におけるサービス展開とタスクオフロードの課題について検討する。 レイテンシ、エネルギー消費、コストを考慮せずに安定したサービス提供を確保するために、ネットワークの信頼性も組み込まれている。 エッジサーバの適切な使用を促進するため、第4のタスクオフロード目的としてロードバランシングを導入している。
  論文  参考訳（メタデータ） (2023-12-07T07:30:47Z)
• 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)
• AI-based Radio and Computing Resource Allocation and Path Planning in NOMA NTNs: AoI Minimization under CSI Uncertainty [23.29963717212139]
  高高度プラットフォーム(HAP)と無人航空機(UAV)からなる階層型空中コンピューティングフレームワークを開発する。 タスクスケジューリングは平均AoIを大幅に削減する。 電力割り当ては全ユーザに対して全送信電力を使用する場合と比較して平均AoIに限界効果があることが示されている。
  論文  参考訳（メタデータ） (2023-05-01T11:52:15Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Reinforcement Learning Framework for Server Placement and Workload Allocation in Multi-Access Edge Computing [9.598394554018164]
  本稿では,最小コストでMEC設計を実現するために,ネットワーク遅延とエッジサーバ数の両方を最小化する問題に対処する。 本稿では,この問題を解決するためのマルコフ決定プロセス(MDP)の設計において,状態空間,行動空間,ペナルティ関数の効率的な表現とモデル化を行う新しいRLフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-21T03:04:50Z)
• Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement Learning Approach [56.84948632954274]
  本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。 本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。 提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
  論文  参考訳（メタデータ） (2021-12-20T15:45:28Z)

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。