多智能体深度强化学习任务与计算资源分配方法

分布式边缘协作下提升体验质量

提出一种基于多智能体深度强化学习的分布式方法，在通信不可预测的云边协同场景下显著提升用户体验质量并降低服务时延。

陈彦 · 孙彦景 · Yu, Hao · Taleb, Tarik

IEEE Transactions on Network Science and Engineering 2024

技术优势

提升体验质量

通过联合优化任务分配和计算资源分配，最大化系统体验质量。

降低服务时延

仿真显示所提方法显著降低平均服务时延。

训练快收敛好

在训练和收敛性方面优于基准方法。

分布式可扩展

采用多智能体深度强化学习，每个边缘服务器基于局部观测独立决策，无需集中控制。

应用场景

• 边缘计算资源协同：在边缘服务器间分布式协调任务与算力，提升整体资源利用率。
• 物联网服务体验优化：通过降低时延和提升体验质量，优化物联网服务。
• 自主计算卸载决策：边缘服务器根据局部观测自主做出卸载决策，无需云端集中管理。
• 多机器人分布式调度：多智能体方法可扩展到多机器人系统，实现分布式调度。