文献

J-GLOBAL ID：202102293905054881   整理番号：21A0228203

Edge-IoTネットワークにおける最大効用と公平性を持つリソース割当のための強化オンラインQ学習方式【JST・京大機械翻訳】

Enhanced Online Q-Learning Scheme for Resource Allocation with Maximum Utility and Fairness in Edge-IoT Networks

著者 (2件)： AlQerm Ismail (Department of Mathematics, and Computer Science, University of Missouri, Saint Louis, MO, USA) ,  Pan Jianli (Department of Mathematics, and Computer Science, University of Missouri, Saint Louis, MO, USA)
資料名： IEEE Transactions on Network Science and Engineering  (IEEE Transactions on Network Science and Engineering)
巻： 7  号： 4  ページ： 3074-3086  発行年： 2020年 
JST資料番号： W2435A  ISSN： 2327-4697  資料種別： 逐次刊行物 (A)
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： モノのインターネット(IoT)は,不均一応用数の増加により,データトラフィックにおける爆発を経験している。既存のクラウドコンピューティングモデルは,遅延感受性で高帯域幅を使用するIoTアプリケーションをサポートすることができない。共有エッジクラウドによって表されるEdge-IoTシステムは,広範囲のIoTアプリケーションをサポートする。エッジクラウドは,遅延感度と帯域幅問題に取り組むために,IoTデバイスに近い資源を提供する。しかし,複数の不均一IoTアプリケーション,様々な資源要求,および限られた資源アベイラビリティを有するEdge-IoTの文脈における保証されたアプリケーションの効用を有するこれらの資源の割り当ては,挑戦的である。本論文では,エッジクラウドからIoTアプリケーションへのリソースを割り当て,それらの有用性を最大化し,それらの間の割当て公平性を維持するための,新しい強化オンラインQ学習方式を提案した。開発したオンラインQ学習方式は,そのQ値を近似し,大きな状態空間の問題に対処し,必要な学習計算を低減し,システム収束を促進した。2つの設定を用いて実装する:エッジクラウドで専用コントローラを用いて集中し,エッジサーバが協調的に学習して,IoTアプリケーションのユーティリティを最大化する共同リソース割当ポリシーを見つける共通の目標を達成した。広範な数値結果は,アプリケーションのユーティリティと割当て公平性の改善において,提案した方式の能力を実証した。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： *学習 ,  制御装置 ,  *ネットワーク ,  感受性 ,  *資源割付 ,  アベイラビリティ ,  Q値 ,  応用プログラム ,  帯域幅 ,  公平性
準シソーラス用語： *Q学習 ,  状態空間 ,  *オンライン ,  クラウドコンピューティング ,  *モノのインターネット , 【Automatic Indexing@JST】

分類 (3件)： マイクロ波・ミリ波通信  (ND08020W) ,  計算機網  (JC03000K) ,  移動通信  (ND08030H)

タイトルに関連する用語 (8件)： EDGE ,  IoT ,  効用 ,  公平性 ,  リソース割当 ,  強化 ,  オンライン ,  Q学習