文献

J-GLOBAL ID：202202277025545792   整理番号：22A0947184

MC-NOMAベースマルチアクセスエッジコンピューティングにおける待ち時間およびエネルギー意識率最大化:二段階深層強化学習アプローチ【JST・京大機械翻訳】

Latency and energy aware rate maximization in MC-NOMA-based multi-access edge computing: A two-stage deep reinforcement learning approach

著者 (2件)： Nduwayezu Maurice (Department of Electrical and Information Engineering, Seoul National University of Science and Technology, 232 Gongneung-ro, Nowon-gu, Seoul 01811, Republic of Korea) ,  Yun Ji-Hoon (Department of Electrical and Information Engineering, Seoul National University of Science and Technology, 232 Gongneung-ro, Nowon-gu, Seoul 01811, Republic of Korea)
資料名： Computer Networks  (Computer Networks)
巻： 207  ページ： Null  発行年： 2022年 
JST資料番号： A0360B  ISSN： 1389-1286  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 将来のネットワークサービスは,強い計算能力,厳しい待ち時間,および減少したエネルギー消費の2つの技術とともに,高い無線容量の必然的な必要性で出現しており,これらの要求をサポートする可能性を示す:マルチアクセス(またはモバイル)エッジコンピューティング(MEC)および非直交多重アクセス(NOMA)。MECはユーザがネットワークのエッジで豊富なコンピューティング資源にアクセスすることを可能にするが,NOMA技術はセルラネットワークの密度の増加を可能にする。しかし,MECシステムへのNOMA技術の統合は,結合オフロード決定(遠隔または局所計算)とユーザ間干渉管理の観点から課題に直面している。本論文では,待ち時間とエネルギー消費制約の下でのシステム全体の合計計算速度を最大化する目的で,第1段階エージェントがオフロード決定を扱う一方で,第2ステージエージェントがオフロード決定を考慮し,ユーザに対する資源ブロック割当てを決定する,第1ステージエージェントがオフロード決定を処理する,2段階深層強化学習アルゴリズムを提案した。シミュレーション結果により,他のベンチマークアルゴリズムと比較して,提案アルゴリズムは,待ち時間およびエネルギー消費要求を満たしながら,和計算速度を改善し,そして,それは,単一エージェントが,高速収束性能のために,オフロード決定および資源ブロック割当ての両方を扱うアプローチより性能が優れていた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  シミュレーション ,  ネットワーク ,  容量 ,  *計算機網 ,  多重化 ,  計算機処理速度 ,  *待ち時間 ,  エネルギー消費 ,  直交性 ,  ベンチマーク ,  携帯電話 ,  エージェント
準シソーラス用語： ネットワークサービス ,  セルラーネットワーク ,  *エッジコンピューティング , 【Automatic Indexing@JST】

著者キーワード (4件)： モバイルエッジコンピューティング ,  マルチキャリア非直交多元接続 ,  資源ブロック割当 ,  深層強化学習

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (7件)： MC ,  待ち時間 ,  エネルギー ,  意識 ,  最大化 ,  段階 ,  深層強化学習