文献

J-GLOBAL ID：202202216487229503   整理番号：22A0457585

モバイルエッジコンピューティングにおけるエネルギー効率計算オフローディングのための深層強化学習【JST・京大機械翻訳】

Deep Reinforcement Learning for Energy-Efficient Computation Offloading in Mobile-Edge Computing

著者 (5件)： Zhou Huan (College of Computer and Information Technology, China Three Gorges University, Yichang, China) ,  Jiang Kai (College of Computer and Information Technology, China Three Gorges University, Yichang, China) ,  Liu Xuxun (Research Centre of Multimedia Information Security Detection and Intelligent Processing, South China University of Technology, Guangzhou, China) ,  Li Xiuhua (School of Big Data and Software Engineering, Chongqing University, Chongqing, China) ,  Leung Victor C. M. (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen, China)
資料名： IEEE Internet of Things Journal  (IEEE Internet of Things Journal)
巻： 9  号： 2  ページ： 1517-1530  発行年： 2022年 
JST資料番号： W2432A  ISSN： 2327-4662  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： モバイルエッジコンピューティング(MEC)は,5Gアーキテクチャにおける有望な計算パラダイムとして出現し,それは,UEsから近傍MECサーバへの移動作業負荷によって提供される計算およびエネルギー資源を有するユーザ機器(UE)を電力化できる。MECにおける計算オフロードと資源配分の問題は,種々の最適化目的によって研究されたが,それらは主に準静的システムにおける性能の促進に焦点を合わせ,時間領域における時変システム条件をほとんど考慮しなかった。本論文では,動的マルチユーザMECシステムにおける計算オフローディングと資源割当ての共同最適化を研究した。目的は,遅延制約と不均一計算タスクの不確実な資源要求を考慮することにより,全MECシステムのエネルギー消費を最小化することである。混合整数非線形計画法(MINLP)問題として問題を定式化し,Q-学習と名付けた値反復ベース強化学習(RL)法を提案し,計算オフローディングと資源割当の共同ポリシーを決定した。次元のurseを避けるため,Q学習の値関数を効率的に近似できる二重深Qネットワーク(DDQN)ベース法を提案した。シミュレーション結果は,提案方法が,消耗法を除いて,異なるシナリオで他のベースライン法より著しく優れていることを証明した。特に,提案したDDQNベースの方法は,消耗法で非常に近い性能を達成し,UEsの数が5のとき,オフロード決定,局所第一法,およびオフロードの最初の方法と比較して,それぞれ,平均20%,35%,および53%のエネルギー消費を大幅に削減できる。Copyright 2022 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： 最適化 ,  シミュレーション ,  電力 ,  ネットワーク ,  不確実性 ,  時変系 ,  資源割付 ,  定式化 ,  計算機アーキテクチャ ,  *携帯電話 ,  *強化学習
準シソーラス用語： マルチユーザ ,  Q学習 ,  時間領域 ,  *オフローディング , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (6件)： モバイル ,  エッジコンピューティング ,  エネルギー効率 ,  計算 ,  オフローディング ,  深層強化学習