MEC可能車両ネットワークにおけるサービス移動のための深層強化学習アプローチ【JST・京大機械翻訳】

Abouaomar Amine; Mlika Zoubeir; Filali Abderrahime; Cherkaoui Soumaya; Kobbane Abdellatif

プレプリント

J-GLOBAL ID：202202213568824707 整理番号：22P0280991

MEC可能車両ネットワークにおけるサービス移動のための深層強化学習アプローチ【JST・京大機械翻訳】

A Deep Reinforcement Learning Approach for Service Migration in MEC-enabled Vehicular Networks

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 (5件)： , , , ,
資料名：
発行年： 2022年01月27日プレプリントサーバーでの情報更新日： 2022年01月27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)

マルチアクセスエッジコンピューティング(MEC)は,車両ネットワークの待ち時間を低減するためのキープロバイダである。車両移動性のため,それらの要求サービス(例えば,インフォテインメントサービス)は,サービス要求の厳しい品質を保証するために,異なるMECサーバで頻繁に移動しなければならない。本論文では,全サービス待ち時間と移動コストを最小化するために,MEC可能車両ネットワークにおけるサービスマイグレーションの問題を研究した。この問題を非線形整数プログラムとして定式化し,オフラインソルバを用いて最適解を得るのに役立つ。次に,効率的解法を得るために,マルチエージェントMarkov決定過程としてモデル化して,深いQ学習(DQL)アルゴリズムによって解決した。提案したDQLスキームは,高い移動度制約の下でそれらの連続性を保証しながら,積極的サービスマイグレーションを実行する。最後に,シミュレーション結果は,提案したDQL方式が最適に近い性能を達成することを示した。【JST・京大機械翻訳】

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

移動通信 , 通信網

, ,

前のページに戻る