基于强化学习的非正交多址接入和移动边缘计算联合系统信息年龄更新

摘要：

物联网发展对信息时效性的需求越来越高,信息新鲜度变得至关重要.为了维持信息新鲜度,在非正交多址接入(NOMA)和移动边缘计算(MEC)的联合系统中,对多设备单边缘计算服务器的传输场景进行了研究.在该场景中,如何分配卸载任务量和卸载功率以最小化平均更新代价是一个具有挑战性的问题.该文考虑到现实中的信道状态变化情况,基于多代理深度确定性策略梯度(MADDPG)算法,考虑信息新鲜度影响,建立了最小化平均更新代价的优化问题,提出一种寻找最优的卸载因子和卸载功率决策.仿真结果表明,采用部分卸载的方式可以有效地降低平均更新代价,利用MADDPG算法可以进一步优化卸载功率,经比较,MADDPG算法在降低平均更新代价方面优于其他方案,并且适当地减少设备数量在降低平均更新代价方面效果更好.

关键词：非正交多址接入、移动边缘计算、信息年龄、多代理深度确定性策略梯度

所属期刊栏目：44

分类号：TN91

资助基金：国家自然科学基金;中央高校基本科研业务费专项资金项目;北京市自然科学基金;河北省高等学校科学技术研究项目

在线出版日期：2022-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：4238-4245