本論文では、実時間ネットワークアプリケーションにおける情報の新鮮さを表す指標である「情報の年齢(AoI)」を最小化するために、モバイルエッジコンピューティング(MEC)システムにおけるタスクの更新とオフロードの方策を共同で最適化する問題を扱っている。
具体的には以下の点が主な内容となっている:
AoIを最小化するためのタスクの更新とオフロードの方策を統合的に最適化する問題を定式化する。この問題は分数目的関数と半マルコフ型ゲームの性質を持つため、従来の手法では直接適用できない。
分数強化学習(RL)の単一エージェントフレームワークを提案し、その線形収束性を証明する。
分数RL フレームワークをマルチエージェントに拡張し、ナッシュ均衡への収束性を示す。
非同期制御と ハイブリッド行動空間を扱うための分数マルチエージェントDRL アルゴリズムを提案する。
実験結果から、提案手法が既存手法に比べて最大52.6%のAoI削減を実現することを示す。
To Another Language
from source content
arxiv.org
Дополнительные вопросы