論文の概要: Joint Task Offloading and Resource Allocation in Low-Altitude MEC via Graph Attention Diffusion

• arxiv url: http://arxiv.org/abs/2506.21933v1
• Date: Fri, 27 Jun 2025 06:03:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.102211
• Title: Joint Task Offloading and Resource Allocation in Low-Altitude MEC via Graph Attention Diffusion
• Title（参考訳）: グラフ注意拡散による低高度MECのタスクオフロードと資源配分
• Authors: Yifan Xue, Ruihuai Liang, Bo Yang, Xuelin Cao, Zhiwen Yu, Mérouane Debbah, Chau Yuen,
• Abstract要約: エアグラウンド統合マルチアクセスエッジコンピューティング(MEC)システムは、リアルタイムおよびインテリジェントなタスクスケジューリングに対する需要が高まっている。 本稿では、低高度経済ネットワークのための3層ヘテロジニアスMECシステムアーキテクチャを構築する。
• 参考スコア（独自算出の注目度）: 38.35874485444821
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid development of the low-altitude economy, air-ground integrated multi-access edge computing (MEC) systems are facing increasing demands for real-time and intelligent task scheduling. In such systems, task offloading and resource allocation encounter multiple challenges, including node heterogeneity, unstable communication links, and dynamic task variations. To address these issues, this paper constructs a three-layer heterogeneous MEC system architecture for low-altitude economic networks, encompassing aerial and ground users as well as edge servers. The system is systematically modeled from the perspectives of communication channels, computational costs, and constraint conditions, and the joint optimization problem of offloading decisions and resource allocation is uniformly abstracted into a graph-structured modeling task. On this basis, we propose a graph attention diffusion-based solution generator (GADSG). This method integrates the contextual awareness of graph attention networks with the solution distribution learning capability of diffusion models, enabling joint modeling and optimization of discrete offloading variables and continuous resource allocation variables within a high-dimensional latent space. We construct multiple simulation datasets with varying scales and topologies. Extensive experiments demonstrate that the proposed GADSG model significantly outperforms existing baseline methods in terms of optimization performance, robustness, and generalization across task structures, showing strong potential for efficient task scheduling in dynamic and complex low-altitude economic network environments.
• Abstract（参考訳）: 低高度経済の急速な発展に伴い、空地統合マルチアクセスエッジコンピューティング(MEC)システムは、リアルタイムおよびインテリジェントなタスクスケジューリングに対する需要が増加している。 このようなシステムでは、タスクオフロードとリソース割り当ては、ノードの不均一性、不安定な通信リンク、動的タスクのバリエーションなど、複数の課題に遭遇する。 これらの課題に対処するため,低高度経済ネットワークのための3層ヘテロジニアスMECシステムアーキテクチャを構築し,地上および地上のユーザとエッジサーバを包含する。 このシステムは、通信チャネル、計算コスト、制約条件の観点から体系的にモデル化され、決定と資源配分をオフロードする共同最適化問題は、グラフ構造モデリングタスクに一様に抽象化される。 そこで本研究では,グラフ注意拡散型ソリューションジェネレータ(GADSG)を提案する。 本手法は,グラフアテンションネットワークのコンテキスト認識と拡散モデルの解分布学習能力を統合し,高次元潜在空間における離散オフロード変数と連続資源割り当て変数の連成モデリングと最適化を可能にする。 様々なスケールとトポロジを持つ複数のシミュレーションデータセットを構築した。 GADSGモデルは, 動的かつ複雑な低高度経済ネットワーク環境において, タスク構造全体の最適化性能, 堅牢性, 一般化の点で, 既存のベースライン手法を著しく上回り, 効率的なタスクスケジューリングの可能性を示している。

関連論文リスト

• Topology-Assisted Spatio-Temporal Pattern Disentangling for Scalable MARL in Large-scale Autonomous Traffic Control [14.929720580977152]
  本稿では,動的グラフニューラルネットワーク(DGNN)とトポロジカルデータ解析(TDA)を統合した新しいMARLフレームワークを提案する。 大規模言語モデル (LLMs) におけるMixture of Experts (MoE) アーキテクチャに着想を得て, 位相支援型空間パターンアンタングリング (TSD) 強化型MoEを提案する。 実世界の交通シナリオにおいて行われた大規模な実験は、包括的な理論的分析とともに、提案フレームワークの優れた性能を検証した。
  論文  参考訳（メタデータ） (2025-06-14T11:18:12Z)
• Multi-Task Semantic Communications via Large Models [42.42961176008125]
  適応型モデル圧縮戦略とフェデレートされた分割微調整アプローチを含む,LAMベースのマルチタスクSemComアーキテクチャを提案する。 近年のローカルおよびグローバルな知識ベースを合成するために,検索拡張生成方式が実装されている。
  論文  参考訳（メタデータ） (2025-03-28T00:57:34Z)
• Hybrid State-Space and GRU-based Graph Tokenization Mamba for Hyperspectral Image Classification [14.250184447492208]
  ハイパースペクトル画像(HSI)分類は, 環境モニタリング, 農業, 都市計画などの領域において重要な役割を担っている。 機械学習や畳み込みニューラルネットワーク(CNN)といった従来の手法は、複雑なスペクトル空間の特徴を効果的に捉えるのに苦労することが多い。 この研究は、スペクトル空間トークン生成、グラフベースのトークン優先順位付け、およびクロスアテンション機構を組み合わせたハイブリッドモデルであるGraphMambaを提案する。
  論文  参考訳（メタデータ） (2025-02-10T13:02:19Z)
• A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
  衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。 本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T06:57:45Z)
• DiffSG: A Generative Solver for Network Optimization with Diffusion Model [75.27274046562806]
  生成拡散モデルは、様々なクロスドメインアプリケーションで人気がある。 これらのモデルは複雑なネットワーク最適化問題に対処する上で有望である。 本稿では拡散モデルに基づく解生成という,拡散モデル生成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-13T07:56:21Z)
• Multi-Agent Reinforcement Learning for Power Control in Wireless Networks via Adaptive Graphs [1.1861167902268832]
  多エージェント深部強化学習(MADRL)は、電力制御のような幅広い複雑な最適化問題に対処するための有望な手法として登場した。 本稿では,これらの課題を緩和する有効な手段として,分散エージェント間の通信誘導構造としてグラフを用いることを提案する。
  論文  参考訳（メタデータ） (2023-11-27T14:25:40Z)
• Multi-Resource Allocation for On-Device Distributed Federated Learning Systems [79.02994855744848]
  本研究は,デバイス上の分散フェデレーション学習(FL)システムにおいて,レイテンシとエネルギー消費の重み付け和を最小化する分散マルチリソース割り当て方式を提案する。 システム内の各モバイルデバイスは、指定された領域内でモデルトレーニングプロセスを実行し、それぞれパラメータの導出とアップロードを行うための計算と通信資源を割り当てる。
  論文  参考訳（メタデータ） (2022-11-01T14:16:05Z)
• Graph Neural Networks for Multi-Robot Active Information Acquisition [15.900385823366117]
  基礎となるグラフを通して通信する移動ロボットのチームは、興味のある現象を表す隠れた状態を推定する。 既存のアプローチはスケーラブルではないか、動的現象に対処できないか、あるいは通信グラフの変化に対して堅牢でないかのどちらかです。 本稿では,グラフ表現上に情報を集約し,逐次決定を分散的に行う情報対応グラフブロックネットワーク(I-GBNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-24T21:45:06Z)
• Bottom-up mechanism and improved contract net protocol for the dynamic task planning of heterogeneous Earth observation resources [61.75759893720484]
  地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。 観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。 不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
  論文  参考訳（メタデータ） (2020-07-13T03:51:08Z)

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。