論文の概要: Cost Minimization for Space-Air-Ground Integrated Multi-Access Edge Computing Systems

• arxiv url: http://arxiv.org/abs/2510.21541v1
• Date: Fri, 24 Oct 2025 15:03:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 06:57:23.437287
• Title: Cost Minimization for Space-Air-Ground Integrated Multi-Access Edge Computing Systems
• Title（参考訳）: 空間空域統合エッジコンピューティングシステムのコスト最小化
• Authors: Weihong Qin, Aimin Wang, Geng Sun, Zemin Sun, Jiacheng Wang, Dusit Niyato, Dong In Kim, Zhu Han,
• Abstract要約: 宇宙空間統合多高度エッジコンピューティング(SAGIN-MEC)は、急速に発展する低高度経済に有望なソリューションを提供する。 本稿では、ユーザデバイス(UD)、無人航空機(UAV)、衛星間の協調を可能にするSAGIN-MECアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 60.586531406445744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Space-air-ground integrated multi-access edge computing (SAGIN-MEC) provides a promising solution for the rapidly developing low-altitude economy (LAE) to deliver flexible and wide-area computing services. However, fully realizing the potential of SAGIN-MEC in the LAE presents significant challenges, including coordinating decisions across heterogeneous nodes with different roles, modeling complex factors such as mobility and network variability, and handling real-time decision-making under partially observable environment with hybrid variables. To address these challenges, we first present a hierarchical SAGIN-MEC architecture that enables the coordination between user devices (UDs), uncrewed aerial vehicles (UAVs), and satellites. Then, we formulate a UD cost minimization optimization problem (UCMOP) to minimize the UD cost by jointly optimizing the task offloading ratio, UAV trajectory planning, computing resource allocation, and UD association. We show that the UCMOP is an NP-hard problem. To overcome this challenge, we propose a multi-agent deep deterministic policy gradient (MADDPG)-convex optimization and coalitional game (MADDPG-COCG) algorithm. Specifically, we employ the MADDPG algorithm to optimize the continuous temporal decisions for heterogeneous nodes in the partially observable SAGIN-MEC system. Moreover, we propose a convex optimization and coalitional game (COCG) method to enhance the conventional MADDPG by deterministically handling the hybrid and varying-dimensional decisions. Simulation results demonstrate that the proposed MADDPG-COCG algorithm significantly enhances the user-centric performances in terms of the aggregated UD cost, task completion delay, and UD energy consumption, with a slight increase in UAV energy consumption, compared to the benchmark algorithms. Moreover, the MADDPG-COCG algorithm shows superior convergence stability and scalability.
• Abstract（参考訳）: 宇宙空間統合マルチアクセスエッジコンピューティング(SAGIN-MEC)は、急速に発展する低高度経済(LAE)に対して、柔軟な広域コンピューティングサービスを提供するための有望なソリューションを提供する。 しかし、SAGIN-MECの可能性をLAEで完全に実現することは、異種ノード間で異なる役割を持つ決定をコーディネートすること、モビリティやネットワークの可変性などの複雑な要因をモデル化すること、部分的に観測可能な環境下でのリアルタイムな意思決定をハイブリッド変数で扱うことなど、大きな課題をもたらす。 これらの課題に対処するために、まず、ユーザデバイス(UD)、無人航空機(UAV)、衛星間の協調を可能にする階層型SAGIN-MECアーキテクチャを提案する。 次に、UDコスト最小化最適化問題(UCMOP)を定式化し、タスクオフロード率、UAV軌道計画、コンピューティングリソース割り当て、UDアソシエーションを共同で最適化することにより、UDコストを最小化する。 UCMOPはNPハード問題であることを示す。 この課題を克服するために,マルチエージェント・ディープ決定性ポリシー勾配(MADDPG)-凸最適化と連立ゲーム(MADDPG-COCG)アルゴリズムを提案する。 具体的には、MADDPGアルゴリズムを用いて、部分観測可能なSAGIN-MEC系における異種ノードの時間的連続決定を最適化する。 さらに,ハイブリッドおよび多次元決定を決定論的に扱い,従来のMADDPGを強化するための凸最適化・連立ゲーム(COCG)手法を提案する。 シミュレーションの結果,提案したMADDPG-COCGアルゴリズムは, UDコスト, タスク完了遅延, UDエネルギー消費において, ベンチマークアルゴリズムと比較してUAVエネルギー消費がわずかに増加し, ユーザ中心の性能を著しく向上させることを示した。 さらに,MADDPG-COCGアルゴリズムは収束安定性と拡張性に優れていた。

関連論文リスト

• Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
  本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。 システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。 提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
  論文  参考訳（メタデータ） (2025-10-23T02:55:40Z)
• Heterogeneous Multi-agent Collaboration in UAV-assisted Mobile Crowdsensing Networks [6.226837215382989]
  無人航空機(UAV)による移動式クラウドセンシング(MCS)は,データ収集において有望なパラダイムとして浮上している。 我々は,センサ,通信,資源配分の効率的な調整を妨げる,スペクトル不足,デバイス計算,ユーザモビリティといった課題に対処する。
  論文  参考訳（メタデータ） (2025-09-28T02:13:19Z)
• Task Assignment and Exploration Optimization for Low Altitude UAV Rescue via Generative AI Enhanced Multi-agent Reinforcement Learning [44.02103029265148]
  本稿では,UAV,GER,飛行船の連携フレームワークを提案する。 このフレームワークは、UAV-to-GER(U2G)とUAV-to-Airship(U2A)のリンクを通じてリソースプーリングを可能にし、オフロードされたタスクのコンピューティングサービスを提供する。
  論文  参考訳（メタデータ） (2025-04-18T08:44:06Z)
• UAV-assisted Joint Mobile Edge Computing and Data Collection via Matching-enabled Deep Reinforcement Learning [42.164233719747905]
  無人航空機 (UAV) 支援モバイルコンピューティング (MEC) とデータ収集 (DC) が人気である。 本稿では,このベンチマーク問題を協調的に検討する。
  論文  参考訳（メタデータ） (2025-02-11T09:18:32Z)
• 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)
• Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
  非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。 STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。 複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
  論文  参考訳（メタデータ） (2024-06-19T07:17:04Z)
• 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)

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。