文献

J-GLOBAL ID：202202275397999155   整理番号：22A0959392

自動車エッジコンピューティングにおける深層強化学習ベース資源管理ゲーム【JST・京大機械翻訳】

A Deep Reinforcement Learning-Based Resource Management Game in Vehicular Edge Computing

著者 (6件)： Zhu Xiaoyu (School of Computer Science and Engineering, Central South University, Changsha, China) ,  Luo Yueyi (School of Mathematics and Statics, Central South University, Changsha, China) ,  Liu Anfeng (School of Computer Science and Engineering, Central South University, Changsha, China) ,  Xiong Neal N. (Department of Mathematics and Computer Science, Northeastern State University, Tahlequah, OK, USA) ,  Dong Mianxiong (Department of Sciences and Informatics, Muroran Institute of Technology, Muroran, Japan) ,  Zhang Shaobo (School of Computer Science and Engineering, Hunan University of Science and Technology, Xiangtan, China)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 3  ページ： 2422-2433  発行年： 2022年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  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： 車両Edgeコンピューティング(VEC)は,低待ち時間車両アプリケーションシナリオをサポートする目的で,近傍VECサーバに計算タスクをオフロードする車両を利用する有望なパラダイムである。VECサーバを計算オフロード活動に参加させ,計算資源を完全に利用することは,知的輸送サービスの成功に非常に重要である。本論文では,VECサーバと車両間の競合相互作用を,リーダプレーヤーとしてVECサーバと追従者として車両との2段階Stackelbergゲームとして定式化した。車両の完全な情報を得た後に,VECサーバは計算資源の単位価格を計算する。VECサーバにより発表されたユニット価格を考えると,車両はVECサーバから購入する計算資源量を決定する。車両が計算要求を共有することを望まないシナリオにおいて,車両とVECサーバの利益を最大化するために,深い強化学習ベースの資源管理方式を提案した。大規模な実験結果は,Stackelbergゲームと深い強化学習に基づく著者らの提案した資源管理方式の有効性を実証した。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： 相互作用 ,  *ゲーム ,  *自動車 ,  利益 ,  待ち時間 ,  有効性 ,  定式化 ,  *強化学習 ,  資源管理
準シソーラス用語： プレイヤ ,  計算資源 ,  Stackelbergゲーム ,  *エッジコンピューティング ,  *深層強化学習 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： 自動車 ,  エッジコンピューティング ,  深層強化学習 ,  資源管理 ,  ゲーム