基于MARL的无人机边缘计算任务卸载优化

针对单个无人机覆盖范围有限、计算能力不足的问题,提出了联合边缘云的多无人机移动边缘计算系统;为了提高物联网设备的任务处理成功率和结果新鲜度,提出了基于多智能体强化学习(Multi-Agent Reinforcement Learning,MARL)的优化方案,旨在通过联合优化物联网设备的卸载选择、无人机飞行轨迹以及无人机任务卸载,来最大化物联网设备平均的任务处理成功率和累积结果新鲜度。首先将该优化问题建模为一个混合整数非线性问题并提出了一种任务卸载选择的方法;然后将问题构建为一个马尔可夫决策过程;最后通过多智能体柔性动作-评判(Multi-Agent Soft Actor-Critic,MASAC)算法进行求解。仿真结果表明,与其他基线方案相比,提出的方案能够有效地提高物联网设备平均的任务处理成功率和累积结果新鲜度。

移动网络本地分流技术的研究

随着移动终端用户数的迅速增长,移动业务的快速发展,移动网络需要承载更多的数据传输,移动网络流量呈现爆炸式增长,对核心网造成了很大的数据传输和处理压力。3GPP提出的LIPA/SIPTO流量分载技术是缓解移动网络由于移动数据流量暴增的压力的有效措施,让移动终端用户的业务流数据直接从家庭基站、宏网络访问Internet网,绕过运营商的核心网络,从而减轻核心网的压力,降低运营商的运营成本。