【Only notes here】20200331

A Deep Reinforcement Learning based Offloading Scheme in Ad-hoc Mobile Clouds

Abstract：

• 本文考虑在ad-hoc移动云中为移动用户解决最优卸载决策的问题，其中移动用户可通过支持D2D通信的蜂窝网络将其计算任务卸载到附近的移动云中
• 本文提出一个基于深度强化学习的卸载方案，该方案能够让用户做出接近最优的卸载决策（考虑用户和云的移动的不确定性 &云的资源可用性）
• 首先提出一个基于MDP的卸载问题公式，该公式将用户和云的队列状态 & 用户和云之间的距离状态 的组合状态作为系统状态空间
• 基于MDP的问题的目标是确定在每个观察到的系统状态下，用户应该在本地处理多少个任务，以及要卸载到每个云多少个任务 的最优操作，从而在最小化能耗、任务处理延迟、任务损失概率和所需payment的同时，最大化用户通过任务执行获得的效用
• 然后，使用DQN来学习所提出的基于MDP卸载问题的有效方案
• 进行了大量仿真，以评估所提出的卸载方案的。

Artificial Intelligence Empowered Edge Computing and Caching for Internet of Vehicles

Abstract：

• 边缘计算和缓存的最新进展对车辆网络的发展产生了重大影响
• 然而，车载应用的异构需求和内容普及的时变性，给边缘服务器有效利用其资源带来了巨大挑战
• 此外，智能汽车的高移动性增加了联合优化边缘计算和缓存的大量复杂性
• 人工智能（AI）可以极大地提高车辆网络的认知能力和智能性，从而有助于为具有多样性，时变性和复杂特征的问题优化配置资源
• 本文，提出了一个新的架构，可以动态地协调边缘计算和缓存资源，以提高系统的效用，充分利用基于人工智能的算法
• 在此基础上，提出了一种边缘计算与缓存相结合的方案，利用深度强化学习来最大化系统效用，并开发了一种新的资源方案
• 数值结果证明了该方法的有效性

最后

以上就是谦让流沙为你收集整理的【Only notes here】20200331的全部内容，希望文章能够帮你解决【Only notes here】20200331所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。