移动边缘计算中智能服务编排和算网资源分配联合优化方法

TN92; 为了解决边缘网络环境中由于业务差异化、网络环境高度动态化以及算网资源部署去中心化造成的网络服务缓存和算网资源分配效率低等问题,研究并建立了一种去中心化的移动边缘计算服务编排和计算卸载模型;并在算力、存储、带宽等多维资源约束下,以最小化任务处理时延为目标,将服务缓存和算网资源分配联合优化问题抽象为部分可观测马尔可夫决策过程;考虑到服务请求时间依赖性及其与服务缓存间的耦合关系,引入长短时记忆网络来捕获时间相关的网络状态信息,进而提出基于循环多智能体深度强化学习的分布式服务编排和资源分配算法以自主决策服务缓存和算网资源分配策略.仿真结果表明,所提算法在缓存命中率、任务处理时延等方面具有显...

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 44; no. 7; pp. 51 - 63
Main Authors 李云, 高倩, 姚枝秀, 夏士超, 梁吉申
Format Journal Article
LanguageChinese
Published 重庆邮电大学通信与信息工程学院,重庆 400065 25.07.2023
陆军工程大学通信士官学校,重庆400035
重庆邮电大学软件工程学院,重庆 400065%重庆邮电大学通信与信息工程学院,重庆 400065%重庆邮电大学软件工程学院,重庆 400065%重庆邮电大学通信与信息工程学院,重庆 400065
Subjects
service arrangement
资源分配
resource allocation
multi agent
多智能体
计算卸载
edge intelligence
边缘智能
computing offloading
服务编排
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2023125

Cover

More Information
Summary:TN92; 为了解决边缘网络环境中由于业务差异化、网络环境高度动态化以及算网资源部署去中心化造成的网络服务缓存和算网资源分配效率低等问题,研究并建立了一种去中心化的移动边缘计算服务编排和计算卸载模型;并在算力、存储、带宽等多维资源约束下,以最小化任务处理时延为目标,将服务缓存和算网资源分配联合优化问题抽象为部分可观测马尔可夫决策过程;考虑到服务请求时间依赖性及其与服务缓存间的耦合关系,引入长短时记忆网络来捕获时间相关的网络状态信息,进而提出基于循环多智能体深度强化学习的分布式服务编排和资源分配算法以自主决策服务缓存和算网资源分配策略.仿真结果表明,所提算法在缓存命中率、任务处理时延等方面具有显著的性能提升.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2023125