文献

J-GLOBAL ID：202102257484692216   整理番号：21A0150178

車両エッジ計算ネットワークにおけるマルチエージェント強化学習に基づく車両速度を意識した計算タスクオフローディングとリソース割当【JST・京大機械翻訳】

Vehicle Speed Aware Computing Task Offloading and Resource Allocation Based on Multi-Agent Reinforcement Learning in a Vehicular Edge Computing Network

著者 (3件)： Huang Xinyu (School of Information and Communications Engineering, Xi’an Jiaotong University,Xi’an,China,710049) ,  He Lijun (School of Information and Communications Engineering, Xi’an Jiaotong University,Xi’an,China,710049) ,  Zhang Wanyue (School of Information and Communications Engineering, Xi’an Jiaotong University,Xi’an,China,710049)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EDGE  ページ： 1-8  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 車内適用のために,異なる速度を有する車両は,異なる遅れ要求を持った。しかしながら,車両速度は,車両速度とその割り当てられた計算および無線資源の間の不整合を引き起こすかもしれない,広く調査されていない。本論文では,遅延制約を超えないタスク実行のエネルギーコストを低減するために,車両速度意識タスクオフロードとリソース割当戦略を提案した。最初に,著者らは,種々の速度とタスクタイプに基づく車両速度意識遅延制約モデルを確立する。次に,VECサーバと局所端末におけるタスク実行の遅れとエネルギーコストを計算した。次に,遅延制約を受ける自動車のエネルギーコストを最小化するために,タスクオフロードとリソース割当の共同最適化を定式化した。MADDPG法を用いて,オフローディングと資源配分戦略を得た。シミュレーション結果は,著者らのアルゴリズムがエネルギーコストとタスク完了遅延に関して優れた性能を達成できることを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  シミュレーション ,  自動車 ,  *ネットワーク ,  *資源割付 ,  端末装置 ,  不整合 ,  エネルギーコスト ,  定式化 ,  *強化学習
準シソーラス用語： *オフローディング ,  *マルチエージェント ,  遅延制約 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： エッジ ,  計算 ,  マルチエージェント ,  強化学習 ,  意識 ,  タスク ,  オフローディング ,  リソース割当