文献

J-GLOBAL ID：202202280115084383   整理番号：22A0969646

深層強化学習に基づく自動車のインターネットにおけるエッジコンピューティングのタスクオフローディング法【JST・京大機械翻訳】

Task offloading method of edge computing in internet of vehicles based on deep reinforcement learning

著者 (6件)： Zhang Degan (Tianjin Key Lab of Intelligent Computing and Novel Software Technology, Tianjin University of Technology, Tianjin, China) ,  Cao Lixiang (Tianjin Key Lab of Intelligent Computing and Novel Software Technology, Tianjin University of Technology, Tianjin, China) ,  Zhu Haoli (Tianjin Key Lab of Intelligent Computing and Novel Software Technology, Tianjin University of Technology, Tianjin, China) ,  Zhang Ting (School of Sports Economics and Management, Tianjin University of Sport, Tianjin, China) ,  Du Jinyu (Tianjin Key Lab of Intelligent Computing and Novel Software Technology, Tianjin University of Technology, Tianjin, China) ,  Jiang Kaiwen (Tianjin Key Lab of Intelligent Computing and Novel Software Technology, Tianjin University of Technology, Tianjin, China)
資料名： Cluster Computing  (Cluster Computing)
巻： 25  号： 2  ページ： 1175-1187  発行年： 2022年 
JST資料番号： W4172A  ISSN： 1386-7857  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 従来のネットワークタスクと比較して,車両(IoV)技術の新興インターネットは,ネットワーク帯域幅と遅延のためにより高い要求を持っている。しかし,既存のモバイル機器の計算資源と電池容量の限界のため,上記の要求を満たすのは難しい。低いタスク遅延とより低いエネルギー消費でタスクオフロードと計算を完了する方法は,最も重要な問題である。IoVのタスクオフロードシステムを目指して,本論文は,モデリングするとき,多重MECサーバの状況を考慮して,深い強化学習に基づく動的タスクオフロード方式を提案した。それは,従来のQ学習アルゴリズムを改善し,Q学習アルゴリズムにおける次元災害を避けるために,強化学習と深層学習を組み合わせる。シミュレーション結果は,提案したアルゴリズムが,異なるタスクと無線チャネル帯域幅の下で,遅延,エネルギー消費,および全システムオーバーヘッドに関してより良い性能を有することを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 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 ,  *自動車 ,  ネットワーク ,  *計算機網 ,  多重化 ,  帯域幅 ,  *インターネット ,  機械学習 ,  *強化学習 ,  *負荷分散
準シソーラス用語： モバイルデバイス ,  Q学習 ,  オーバヘッド ,  無線チャネル ,  *オフローディング ,  深層学習 ,  *エッジコンピューティング , 【Automatic Indexing@JST】

著者キーワード (4件)： エッジコンピューティング ,  タスクオフローディング ,  深層強化学習 ,  自動車のインターネット

分類 (2件)： 人工知能  (JE08000Z) ,  移動通信  (ND08030H)

タイトルに関連する用語 (6件)： 深層強化学習 ,  自動車 ,  インターネット ,  エッジコンピューティング ,  タスク ,  オフローディング