核心概念
本稿では、モバイルユーザーへの通信サービス、エッジコンピューティング、センシング機能を統合した、マルチUAV支援ISCCネットワークにおける、エネルギー消費を最小化するリソース割り当て手法を提案する。
要約
マルチUAV支援ISCCネットワークにおけるエネルギー効率化のためのリソース割り当て
本稿は、マルチUAV支援のセンシング、通信、エッジコンピューティング統合(ISCC)ネットワークにおいて、データ圧縮とマルチエージェント深層強化学習(MADRL)を用いた、エネルギー消費を最小化するリソース割り当て手法を提案する研究論文である。
UAV、データ圧縮、MIMO技術を用いたISCCネットワークにおいて、エネルギー消費を最小限に抑えながら、センシング、通信、コンピューティングの各機能を最適に統合する方法を提案する。
UAVの軌道、リソース割り当て、ビームフォーミングなどのネットワークリソースをリアルタイムに最適化するために、MADRLフレームワークを活用する。
複数のUAVとモバイルユーザー(MU)からなるISCCネットワークモデルを構築し、MUのタスクの圧縮、オフロード、ローカルコンピューティング、UAVの飛行、通信、コンピューティングリソース割り当てなどを考慮した、重み付きエネルギー消費最小化問題を定式化する。
問題の複雑さを軽減するために、マルチエージェントマルコフ決定過程(MDP)として再定式化し、UAVエージェントとMUエージェントの2種類のエージェントを定義する。
各エージェントの行動空間、状態空間、報酬関数を設計し、分散型学習と集中型実行を組み合わせたマルチエージェント近接政策最適化(MAPPO)アルゴリズムを提案する。
注意機構とベータ分布を導入することで、学習の効率と収束速度を向上させる。