D2SAC服务选择算法

优于七个主流DRL算法

针对AIGC服务提供商选择的强化学习算法，通过扩散模型生成最优决策，在不确定环境中表现稳定。

Du, Hongyang · 李宗航 · Niyato, Dusit (Tao) · 康嘉文 · Xiong, Zehui · Huang, Huawei · Mao, Shiwen

IEEE Transactions on Mobile Computing 2024

技术优势

决策更优

在相同实验环境下，与七种主流DRL算法对比，D2SAC取得了更好的性能表现，表明其能更有效地选择AIGC服务提供商。

决策生成更高效

使用扩散模型直接生成最优决策，相比传统方法需要迭代优化，简化了决策过程。

应用场景

• AIGC服务编排：可在边缘网络中为用户智能匹配AIGC服务提供商，提升个性化体验。
• 边缘AI模型部署：为部署在边缘的AIGC模型提供高效的提供商选择策略，提高资源利用率。
• 无线网络优化：扩散模型生成的决策可用于无线网络中的多种优化问题，如服务选择。
• 强化学习决策：将扩散模型与DRL结合，提升强化学习在服务选择任务中的决策质量。