10.11959/j.issn.1000-436x.2021104
基于多智能体元强化学习的车联网协同服务缓存和计算卸载
为了降低求解优化问题的难度,提出一种双层的多路侧单元(RSU)协同缓存框架将问题进行解耦.外层采用多智能体元强化学习方法,在每个本地智能体进行决策学习的同时,采用长短期记忆网络作为元智能体来平衡本地决策并加速学习过程,从而得到最优的RSU缓存策略;内层采用拉格朗日乘子法求解最佳协同卸载策略,实现RSU间的任务分配.基于杭州真实交通数据的实验表明,所提方法具有理想的能效性能,并且能够在大规模任务流下保持网络稳健性.
车联网、边缘服务缓存、协同卸载、元强化学习
42
TN92
国家重点研发计划;国家自然科学基金;国家自然科学基金;国家自然科学基金;重庆英才计划基金资助项目
2021-07-13(万方平台首次上网日期,不代表论文的发表时间)
共13页
118-130