論文の概要: Adaptive Deadline- and Energy-Aware Caching Algorithms in Dynamic Multi-UAV Edge Networks
- arxiv url: http://arxiv.org/abs/2610.30768v1
- Date: Thu, 22 Oct 2026 05:42:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.22678
- Title: Adaptive Deadline- and Energy-Aware Caching Algorithms in Dynamic Multi-UAV Edge Networks
- Title（参考訳）: 動的マルチUAVエッジネットワークにおける適応的デッドラインとエネルギーを考慮したキャッシングアルゴリズム
- Abstract要約: 無人航空機(UAV)の動的期限とエネルギーを考慮したキャッシュ配置と交換問題について検討する。
本稿では、ローカルおよびグローバルなGRUベースの時間表現と、適応キャッシュ配置と置換のための集中型PPOアクタクリティカルを組み合わせた、GRU支援デッドラインおよびエネルギー対応プロキシポリシー最適化(GRU-DEPPO)を提案する。
DE-UBACと比較すると、GRU-DEPPOはデッドラインミス率を約61%、UAV間のエネルギー不均衡を約40%削減する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Content caching via unmanned aerial vehicles (UAVs) becomes one of the solutions to maintain content delivery when terrestrial infrastructure is unavailable or disrupted. However, existing caching approaches often focus primarily on cache-hit performance or average delivery delay, without jointly addressing spatially heterogeneous and time-varying demand, content-specific deadlines, and uneven communication-energy consumption across UAVs. To address these challenges, we formulate a dynamic deadline- and energy-aware cache placement and replacement problem that jointly considers deadline misses, UAV-side communication energy, and inter-UAV energy imbalance. To achieve this, we first develop deadline- and energy-aware UBAC (DE-UBAC), an interpretable hierarchical rule-based realization that incorporates deadline-aware prioritization, cooperative placement, energy-aware coordination, and cache-update cost. However, predefined priorities and thresholds limit its adaptability under dynamically coupled network conditions. We therefore propose GRU-assisted Deadline- and Energy-aware Proximal Policy Optimization (GRU-DEPPO), which combines local and global GRU-based temporal representations with a centralized PPO actor-critic for adaptive cache placement and replacement. Simulation results show that GRU-DEPPO achieves the lowest deadline-miss rate and total UAV-side communication energy among the considered schemes. Compared with DE-UBAC, GRU-DEPPO reduces the deadline-miss rate by approximately 61% and inter-UAV energy imbalance by approximately 40%.
- Abstract（参考訳）: 無人航空機(UAV)によるコンテンツキャッシングは、地上インフラが利用できない、または破壊されていない場合にコンテンツ配信を維持するソリューションの1つとなる。
しかし、既存のキャッシュアプローチは、しばしば、空間的に不均一で時間的に変化する需要、コンテンツ固有の期限、UAV間の通信エネルギーの不均一な消費に対処することなく、キャッシュヒットのパフォーマンスや平均デリバリ遅延に重点を置いている。
これらの課題に対処するために、デッドラインミス、UAV側通信エネルギー、UAV間エネルギー不均衡を共同で考慮した動的デッドラインおよびエネルギ対応キャッシュ配置と置換問題を定式化する。
これを実現するために,我々はまず,期限対応の優先順位付け,協調配置,エネルギー対応の調整,キャッシュ更新コストを組み込んだ,解釈可能な階層型ルールベースの実現法UBAC(DE-UBAC)を開発した。
しかし、事前定義された優先順位と閾値は動的に結合されたネットワーク条件下で適応性を制限する。
そこで我々は,ローカルおよびグローバルなGRUベースの時間表現と,適応型キャッシュ配置と置換のための集中型PPOアクタクリティカルを組み合わせたGRU-DEPPOを提案する。
シミュレーションの結果, GRU-DEPPO は, 検討されたスキームの中で, 最低限のデッドラインミス率とUAV側通信エネルギーを達成することがわかった。
DE-UBACと比較すると、GRU-DEPPOはデッドラインミス率を約61%、UAV間のエネルギー不均衡を約40%削減する。
関連論文リスト
- EcoVLA: Energy-Efficient Device-Edge Co-Inference for Vision-Language-Action Models under Real-Time Constraints [23.410324128942168]
Vision-Language-Action(VLA)モデルは、Embodied AIの有望な基盤として登場した。
その高い推論コストは、ロボットシステムへの展開に重大な課題をもたらす。
本稿では,VLAモデルの適応型デバイスエッジ共推論フレームワークであるEcoVLAを提案する。
論文 参考訳（メタデータ） (2026-08-16T03:08:40Z) - MA-HEAD-Net: Adaptive Rule-Guided Multi-Agent DRL for AoI Minimization in UAV-Assisted Emergency Networks [71.01350912967922]
事故後のシナリオでは、無人航空機(UAV)が緊急通信ネットワークを確立する上で重要である。
本稿では,UAV支援緊急通信における情報量(AoI)の最小化について検討する。
適応型ルール誘導多エージェント深層強化学習フレームワークMA-HEAD-Netを開発した。
論文 参考訳（メタデータ） (2026-08-02T10:05:50Z) - Cost Minimization for Space-Air-Ground Integrated Multi-Access Edge Computing Systems [60.586531406445744]
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。
論文 参考訳（メタデータ） (2025-10-24T15:03:07Z) - Enhanced Evolutionary Multi-Objective Deep Reinforcement Learning for Reliable and Efficient Wireless Rechargeable Sensor Networks [44.91945854166524]
ワイヤレス充電式センサネットワーク(WRSN)とモバイル充電機能は、ネットワーク寿命を延ばすための有望なソリューションを提供する。
WRSNは、ノード生存率の最大化と充電エネルギー効率の最大化の間の本質的にのトレードオフから、重要な課題に直面している。
論文 参考訳（メタデータ） (2025-10-24T03:30:00Z) - Energy Efficient Task Offloading in UAV-Enabled MEC Using a Fully Decentralized Deep Reinforcement Learning Approach [0.6999740786886537]
無人航空機(UAV)は近年,マルチアクセスエッジコンピューティング(MEC)においてエッジサーバとして利用されている。
UAVの軌道を設計して、集中的な実行なしに完全に分散化されたセットアップを確保することが望ましい。
論文 参考訳（メタデータ） (2025-08-09T07:24:12Z) - Age of Information Minimization in UAV-Enabled Integrated Sensing and Communication Systems [34.92822911897626]
統合センシング通信(ISAC)機能を備えた無人航空機(UAV)は、将来の無線ネットワークにおいて重要な役割を果たすと想定されている。
ターゲットセンシングとマルチユーザ通信を同時に行う老化情報(AoI)システムを提案する。
論文 参考訳（メタデータ） (2025-07-18T18:17:09Z) - Joint User Association, Interference Cancellation and Power Control for
Multi-IRS Assisted UAV Communications [80.35959154762381]
インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。
既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。
我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
論文 参考訳（メタデータ） (2023-12-08T01:57:10Z) - 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) - Decentralized Hyper-Gradient Computation over Time-Varying Directed
Networks [13.274835852615572]
本稿では,分散学習(FL)におけるハイパーグラディエント推定における通信問題について述べる。
モデルパラメータと勾配に対する平均演算を用いたFLの代替最適条件を提案する。
我々は、理論上も経験上も真の超勾配への推定器の収束性を確認する。
論文 参考訳（メタデータ） (2022-10-05T10:23:45Z) - Federated Learning for Energy-limited Wireless Networks: A Partial Model
Aggregation Approach [79.59560136273917]
デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである
まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。
提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
論文 参考訳（メタデータ） (2022-04-20T19:09:52Z) - Deep Reinforcement Learning Based Multidimensional Resource Management
for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。
本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
論文 参考訳（メタデータ） (2021-09-17T08:55:48Z)
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。