BriefGPT - AI 论文速递
·
基于贝叶斯框架的深度强化学习在联合 O-RAN/MEC 协同管理中的应用
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一个基于区块链安全的深度强化学习优化框架，用于分散的无线移动边缘计算网络中的数据管理和资源分配。通过设计低延迟的声誉股权证明共识协议，选择高可靠的区块链启用的基站，保证数据安全。将资源分配优化建模为约束的马尔可夫决策过程，平衡处理延迟和拒绝服务概率。使用移动边缘计算汇总特征作为深度强化学习的输入，减少了高维输入。约束深度强化学习有效获得适应动态拒绝服务要求的最佳资源分配。仿真结果和分析验证了该框架的安全性、可靠性和资源利用率高于基准协议和算法。
🎯
关键要点
-
提出基于区块链安全的深度强化学习优化框架用于无线移动边缘计算网络的数据管理和资源分配。
-
设计低延迟的声誉股权证明共识协议，选择高可靠的区块链启用的基站，确保数据安全。
-
将资源分配优化建模为约束的马尔可夫决策过程，平衡处理延迟和拒绝服务概率。
-
使用移动边缘计算汇总特征作为深度强化学习的输入，减少高维输入。
-
约束深度强化学习有效获得适应动态拒绝服务要求的最佳资源分配。
-
仿真结果验证该框架的安全性、可靠性和资源利用率高于基准协议和算法。
➡️
