基于多代理模仿学习的普适边缘计算资源分配

来源：南京信息工程大学学报·自然科学版杂志2024年第1期北京时间：

作者：刘建华，李炜，刘佳嘉，涂晓光，谢家雨

单位：刘建华,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307,李炜,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307,刘佳嘉,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307,涂晓光,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307,谢家雨,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307

摘要：普适边缘计算允许对等设备之间建立独立通信连接,能帮助用户以较低的时延处理海量的计算任务.然而,分散的设备中不能实时获取到网络的全局系统状态,无法保证设备资源利用的公平性.针对该问题,提出了一种基于生成对抗网络(Generative Adversarial Network,GAN)的普适边缘计算资源分配方案.首先基于最小化时延与能耗建立多目标优化问题,然后根据随机博弈理论将优化问题转化为最大奖励问题,接着提出一种基于多代理模仿学习的计算卸载算法,该算法将多代理生成对抗模仿学习(GAIL)和马尔可夫策略(Markov Decision Process,MDP)相结合以逼近专家性能,实现了算法的在线执行,最后结合非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)对时延和能耗进行了联合优化.仿真结果表明,所提出的解决方案与其他边缘计算资源分配方案相比,时延缩短了30.8%,能耗降低了34.3%.

关键词：边缘计算;模仿学习;分布式计算;联合优化;资源分配

基金资助：四川省科技厅科普创作项目(2022J DKP0093);四川省科技创新苗子工程重点项目(2022JDRC0076);中央高校基本科研业务费专项基金(ZHMH2022-004,J2022-025)