論文の概要: Joint Computation Offloading and Resource Allocation for Uncertain Maritime MEC via Cooperation of UAVs and Vessels

• arxiv url: http://arxiv.org/abs/2506.15225v1
• Date: Wed, 18 Jun 2025 08:10:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.58353
• Title: Joint Computation Offloading and Resource Allocation for Uncertain Maritime MEC via Cooperation of UAVs and Vessels
• Title（参考訳）: UAVと船舶の協調による不確実な海中MECの連系計算オフロードと資源配分
• Authors: Jiahao You, Ziye Jia, Chao Dong, Qihui Wu, Zhu Han,
• Abstract要約: 本稿では,UAVと船舶の連携を通じて,海洋のオフロードと資源配分に着目した。 具体的には、MIoTデバイス、UAV、船舶を含む計算オフロードと資源配分のための協調的なMECフレームワークを提案する。 不確実なMIoTタスクについては、Lyapunov最適化を利用して予測不可能なタスク到着とさまざまな計算リソースの可用性に対処する。
• 参考スコア（独自算出の注目度）: 36.3157805511305
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The computation demands from the maritime Internet of Things (MIoT) increase rapidly in recent years, and the unmanned aerial vehicles (UAVs) and vessels based multi-access edge computing (MEC) can fulfill these MIoT requirements. However, the uncertain maritime tasks present significant challenges of inefficient computation offloading and resource allocation. In this paper, we focus on the maritime computation offloading and resource allocation through the cooperation of UAVs and vessels, with consideration of uncertain tasks. Specifically, we propose a cooperative MEC framework for computation offloading and resource allocation, including MIoT devices, UAVs and vessels. Then, we formulate the optimization problem to minimize the total execution time. As for the uncertain MIoT tasks, we leverage Lyapunov optimization to tackle the unpredictable task arrivals and varying computational resource availability. By converting the long-term constraints into short-term constraints, we obtain a set of small-scale optimization problems. Further, considering the heterogeneity of actions and resources of UAVs and vessels, we reformulate the small-scale optimization problem into a Markov game (MG). Moreover, a heterogeneous-agent soft actor-critic is proposed to sequentially update various neural networks and effectively solve the MG problem. Finally, simulations are conducted to verify the effectiveness in addressing computational offloading and resource allocation.
• Abstract（参考訳）: 近年,海上におけるモノのインターネット(MIoT)からの計算要求は急速に増加しており,無人航空機(UAV)や船舶ベースのマルチアクセスエッジコンピューティング(MEC)はこれらのMIoT要件を満たすことができる。 しかし、不確実な海上作業は、非効率な計算オフロードと資源配分という重大な課題を呈している。 本稿では,不確実なタスクを考慮した,UAVと船舶の協調による海洋計算のオフロードと資源配分に着目した。 具体的には、MIoTデバイス、UAV、船舶を含む計算オフロードと資源配分のための協調的なMECフレームワークを提案する。 そして、最適化問題を定式化し、全体の実行時間を最小化する。 不確実なMIoTタスクについては、Lyapunov最適化を活用し、予測不可能なタスク到着と計算リソースの可用性に対処する。 長期制約を短期制約に変換することにより、小型最適化問題の集合を得る。 さらに,UAVや船舶の動作や資源の不均一性を考慮すると,小型最適化問題をマルコフゲーム (MG) に再構成する。 さらに、様々なニューラルネットワークを逐次更新し、MG問題を効果的に解決するために、異種エージェントソフトアクター批判を提案する。 最後に、計算オフロードとリソース割り当てに対処する上での有効性を検証するためにシミュレーションを行う。

関連論文リスト

• Generative AI-Enhanced Cooperative MEC of UAVs and Ground Stations for Unmanned Surface Vehicles [36.3157805511305]
  無人地上機(USV)は低コストで柔軟な航空サービスを提供している。 地上局(GS)は、複雑なシナリオでUSVを支援するために協力する強力な支援を提供することができる。 本稿では,UAVとGSをベースとした堅牢なマルチアクセスエッジコンピューティングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-12T04:42:59Z)
• 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)
• Learning for Cross-Layer Resource Allocation in MEC-Aided Cell-Free Networks [71.30914500714262]
  移動エッジコンピューティング(MEC)を援用したセルフリーネットワーク上でのクロスレイヤリソース割り当ては、データレートを促進するために、送信およびコンピューティングリソースを十分に活用することができる。 深層学習の観点からMEC支援セルフリーネットワークのサブキャリア配置とビームフォーミング最適化について検討した。
  論文  参考訳（メタデータ） (2024-12-21T10:18:55Z)
• 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)
• 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)
• A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical Computation Offloading [62.34538208323411]
  共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。 MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
  論文  参考訳（メタデータ） (2023-09-02T11:01:16Z)
• 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)
• 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 in Multi-Access Edge Computing Networks: A Multi-Task Learning Approach [7.203439085947118]
  マルチアクセスエッジコンピューティング(MEC)は、いくつかのタスクをMECサーバ(MES)に統合された近接アクセスポイント(AP)にオフロードすることで、モバイル機器が計算集約的なアプリケーションに対応できるようにする可能性をすでに示している。 しかし,MESのネットワーク条件や計算資源が限られているため,モバイル端末によるオフロード決定やMESが割り当てる計算資源は,低コストで効率よく達成できない。 我々はMECネットワークのための動的オフロードフレームワークを提案し、アップリンク非直交多重アクセス(NOMA)を用いて複数のデバイスがアップロードできるようにする。
  論文  参考訳（メタデータ） (2020-06-29T15:11:10Z)

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。