基于多代理模仿学习的普适边缘计算资源分配

作者：刘建华; 李炜; 刘佳嘉; 涂晓光; 谢家雨

来源：南京信息工程大学学报(自然科学版), 2023, 1-15.

• 边缘计算
• 模仿学习
• 分布式计算
• 联合优化
• 资源分配

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。该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 Cecision 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）多目标优化算法，对时延和能耗进行了联合优化。仿真结果表明，所提出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%。

• 出版日期2023
• 单位中国民用航空飞行学院; 电气学院