본 논문은 802.11ax Wi-Fi 네트워크 환경에서 통신-컴퓨팅 통합을 위한 태스크 오프로딩 결정 및 자원 할당 솔루션을 제안한다.
먼저, 단일 AP와 다수의 STA로 구성된 MEC 엣지 아키텍처를 구축하고, 통신 STA와 컴퓨팅 STA를 구분하였다. 컴퓨팅 STA는 자신의 제한된 계산 능력으로 인해 지연 민감 태스크를 MEC 서버에 오프로딩할 수 있다.
이후 생성형 AI 기술인 Generative Diffusion Model (GDM)과 심층 강화학습 알고리즘 Twin Delayed DDPG (TD3)를 결합한 DTD3 알고리즘을 제안하여 오프로딩 결정 문제를 해결하였다. GDM은 샘플 효율성을 크게 향상시켜 학습 비용을 감소시킬 수 있다.
또한 802.11ax OFDMA 자원 할당 특성을 고려하여 헝가리안 알고리즘 기반의 통신 자원 할당 방식을 제안하였다.
시뮬레이션 결과, 제안된 솔루션은 기존 방식 대비 시스템 지연 시간과 에너지 소비를 크게 감소시킬 수 있으며, 서비스 품질과 통신 성공률도 향상시킬 수 있음을 확인하였다.
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Xinyang Du,X... ที่ arxiv.org 04-23-2024
https://arxiv.org/pdf/2404.13598.pdfสอบถามเพิ่มเติม