基于生成对抗网络辅助多智能体强化学习的边缘计算网络联邦切片资源管理

来源：电子与信息学报杂志2025年第3期北京时间：

作者：林艳, 夏开元, 张一晋

单位：南京理工大学电子工程与光电技术学院 南京 210094

摘要：为满足动态边缘计算网络场景下用户差异化服务需求，该文提出一种基于生成对抗网络(GAN)辅助多智能体强化学习(RL)的联邦切片资源管理方案。首先，考虑未知时变信道和随机用户流量到达的场景，以同时优化长期平均服务等待时延和服务满意率为目标，构建联合带宽和计算切片资源管理优化问题，并进一步建模为分布式部分可观测马尔可夫决策过程 (Dec-POMDP)。其次，运用多智能体竞争双深度Q网络(D3QN)方法，结合GAN算法对状态值分布多模态学习的优势，以及利用联邦学习框架促使智能体合作学习，最终实现仅需共享各智能体生成网络加权参数即可完成切片资源管理协同决策。仿真结果表明，所提方案相较于基准方案能够在保护用户隐私的前提下，降低用户平均服务等待时延28%以上，且同时提升用户平均服务满意率8%以上。

关键词：边缘计算, 网络切片, 多智能体强化学习, 联邦学习, 生成对抗网络

基金资助：国家自然科学基金(62001225, 62071236)