論文の概要: PPO-Based Hybrid Optimization for RIS-Assisted Semantic Vehicular Edge Computing
- arxiv url: http://arxiv.org/abs/2603.09082v1
- Date: Tue, 10 Mar 2026 01:47:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-11 15:25:23.934744
- Title: PPO-Based Hybrid Optimization for RIS-Assisted Semantic Vehicular Edge Computing
- Title（参考訳）: RIS支援セマンティックベクトルエッジコンピューティングのためのPPOに基づくハイブリッド最適化
- Authors: Wei Feng, Jingbo Zhang, Qiong Wu, Pingyi Fan, Qiang Fan,
- Abstract要約: 本稿では、動的環境と断続的リンクの中で、Re Intelligent Surface(RIS)を利用したセマンティックアプリケーションを提案する。
PPOに基づくハイブリッド最適化方式により,平均終端遅延を約50%削減する。
- 参考スコア（独自算出の注目度）: 16.536167168951046
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To support latency-sensitive Internet of Vehicles (IoV) applications amidst dynamic environments and intermittent links, this paper proposes a Reconfigurable Intelligent Surface (RIS)-aided semantic-aware Vehicle Edge Computing (VEC) framework. This approach integrates RIS to optimize wireless connectivity and semantic communication to minimize latency by transmitting semantic features. We formulate a comprehensive joint optimization problem by optimizing offloading ratios, the number of semantic symbols, and RIS phase shifts. Considering the problem's high dimensionality and non-convexity, we propose a two-tier hybrid scheme that employs Proximal Policy Optimization (PPO) for discrete decision-making and Linear Programming (LP) for offloading optimization. {The simulation results have validated the proposed framework's superiority over existing methods. Specifically, the proposed PPO-based hybrid optimization scheme reduces the average end-to-end latency by approximately 40% to 50% compared to Genetic Algorithm (GA) and Quantum-behaved Particle Swarm Optimization (QPSO). Moreover, the system demonstrates strong scalability by maintaining low latency even in congested scenarios with up to 30 vehicles.
- Abstract（参考訳）: 本稿では、動的環境と断続的リンクの中で、遅延に敏感なインターネット・オブ・ビークル(IoV)アプリケーションをサポートするために、再構成可能なインテリジェント・サーフェス(RIS)支援セマンティック・アウェア・ビークル・エッジ・コンピューティング(VEC)フレームワークを提案する。
このアプローチはRISを統合し、無線接続とセマンティック通信を最適化し、セマンティック機能を伝達することでレイテンシを最小限にする。
我々は、オフロード率、意味記号の数、RIS位相シフトを最適化することで、包括的な共同最適化問題を定式化する。
この問題の高次元性と非凸性を考慮した2層ハイブリッドスキームを提案し, 決定決定にPPO(Proximal Policy Optimization)を, オフロード最適化にLP(Linear Programming)を提案する。
シミュレーションの結果,提案手法が既存手法よりも優れていることが検証された。
具体的には、PPOに基づくハイブリッド最適化手法により、遺伝的アルゴリズム(GA)や量子バイアス粒子群最適化(QPSO)と比較して、平均エンドツーエンドのレイテンシを約40%から50%削減する。
さらに、最大30台の車両で混雑したシナリオでも低レイテンシを維持することで、強力なスケーラビリティを示す。
関連論文リスト
- Improved particle swarm optimization algorithm: multi-target trajectory optimization for swarm drones [20.531764063763678]
従来のParticle Swarm Optimization (PSO) 手法は、リアルタイムシナリオにおける早期収束と遅延に苦慮している。
PSOベースのオンライントラジェクトリプランナであるPE-PSOを提案する。
遺伝的アルゴリズム(GA)に基づくタスク割り当てと分散PE-PSOを組み合わせたマルチエージェントフレームワークを開発した。
論文 参考訳（メタデータ） (2025-07-18T04:31:49Z) - Backscatter Device-aided Integrated Sensing and Communication: A Pareto Optimization Framework [59.30060797118097]
統合センシング・通信(ISAC)システムは、密集した都市非視線シナリオにおいて大きな性能劣化に遭遇する可能性がある。
本稿では,自然環境に分散した受動的BDを利用した後方散乱近似(BD)支援ISACシステムを提案する。
論文 参考訳（メタデータ） (2025-07-12T17:11:06Z) - A Gradient Meta-Learning Joint Optimization for Beamforming and Antenna Position in Pinching-Antenna Systems [63.213207442368294]
マルチ導波路ピンチアンテナシステムの新しい最適化設計について検討する。
提案したGML-JOアルゴリズムは,既存の最適化手法と比較して,様々な選択や性能に頑健である。
論文 参考訳（メタデータ） (2025-06-14T17:35:27Z) - Beamforming and Resource Allocation for Delay Minimization in RIS-Assisted OFDM Systems [38.71413228444903]
本稿では、ダウンリンク再構成可能なインテリジェントサーフェス(RIS)支援OFDMシステムにおけるビームフォーミングと資源配分の問題について検討する。
混合作用空間を効果的に処理し, 状態空間次元を低減するために, ハイブリッド深部強化学習(DRL)手法を提案する。
提案アルゴリズムは, 平均遅延を著しく低減し, 資源配分効率を向上し, システムの堅牢性と公平性を向上する。
論文 参考訳（メタデータ） (2025-06-04T05:33:33Z) - Preference Optimization for Combinatorial Optimization Problems [54.87466279363487]
強化学習(Reinforcement Learning, RL)は、ニューラルネットワーク最適化のための強力なツールとして登場した。
大幅な進歩にもかかわらず、既存のRLアプローチは報酬信号の減少や大規模な行動空間における非効率な探索といった課題に直面している。
統計的比較モデルを用いて定量的報酬信号を定性的選好信号に変換する新しい手法であるPreference Optimizationを提案する。
論文 参考訳（メタデータ） (2025-05-13T16:47:00Z) - Provably Mitigating Overoptimization in RLHF: Your SFT Loss is Implicitly an Adversarial Regularizer [52.09480867526656]
人間の嗜好を学習する際の分布変化と不確実性の一形態として,不一致の原因を同定する。
過度な最適化を緩和するために、まず、逆選択された報酬モデルに最適なポリシーを選択する理論アルゴリズムを提案する。
報奨モデルとそれに対応する最適ポリシーの等価性を用いて、優先最適化損失と教師付き学習損失を組み合わせた単純な目的を特徴とする。
論文 参考訳（メタデータ） (2024-05-26T05:38:50Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳（メタデータ） (2020-12-25T07:08:50Z)
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。