UAV支援モバイルエッジコンピューティングにおける進化的多目的強化学習ベース軌道制御とタスクオフローディング【JST・京大機械翻訳】

Song Fuhong; Xing Huanlai; Wang Xinhan; Luo Shouxi; Dai Penglin; Xiao Zhiwen; Zhao Bowen

プレプリント

J-GLOBAL ID：202202211882784946 整理番号：22P0294640

UAV支援モバイルエッジコンピューティングにおける進化的多目的強化学習ベース軌道制御とタスクオフローディング【JST・京大機械翻訳】

Evolutionary Multi-Objective Reinforcement Learning Based Trajectory Control and Task Offloading in UAV-Assisted Mobile Edge Computing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年02月24日プレプリントサーバーでの情報更新日： 2022年02月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,無人航空機(UAV)支援モバイルエッジコンピューティングシステムにおける軌道制御およびタスクオフローディング(TCTO)問題を研究し,そこでは,UAVハエが,スマートデバイス(SD)から計算タスクを収集するために,計画された軌道に沿ったUAVハエを,ここで研究した。著者らは,SDが基地局(BS)によって直接接続されないシナリオを考察し,UAVはMECサーバまたは無線リレーを果たすために2つの役割を持つ。UAVはタスクオフロード決定をオンラインで実行して,そこで,収集したタスクをUAV上で局所的に実行でき,遠隔処理のためにBSに負荷した。TCTO問題は,その目的がタスク遅延とUAVのエネルギー消費を最小化し,同時にUAVによって収集されたタスクの数を最大化するために多目的最適化を含む。この問題は3つの目的が互いに矛盾するので挑戦的である。既存の強化学習(RL)アルゴリズム,単一目的RLsまたは単一ポリシー多目的RLsは,それらが単一ランで目的を横断して様々な選好(即ち,重み)のための複数の政策を出力できないので,この問題にうまく対処できない。本論文では,TCTO問題に対するマルチポリシー多目的RLである進化的多目的RL(EMORL)を適応させた。このアルゴリズムは,ただ一つのランで複数の最適ポリシーを出力することができ,各最適化はある選好性を最適化する。シミュレーション結果は,提案アルゴリズムが,2つの進化と2つのマルチポリシーのRLアルゴリズムと比較して,政策品質に関する3つの目的の間の釣合いによって,より優れた非優越政策を得ることができることを証明した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

運航技術 , 移動通信

, , , , , , , , ,

前のページに戻る