BriefGPT - AI 论文速递
·
动态车联网中的 DNN 划分、任务卸载和资源分配：一种基于 Lyapunov 导引的扩散强化学习方法
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
本文提出了基于MAD2RL算法的动态长期优化问题模型，通过扩散模型确定最优的DNN划分和任务卸载决策，并使用凸优化技术分配计算资源，解决车辆边缘计算中的计算资源需求超过能力的问题。通过模拟车辆移动轨迹，证明了该算法性能优越。
🎯
关键要点
- 提出基于MAD2RL算法的动态长期优化问题模型。
- 通过扩散模型确定最优的DNN划分和任务卸载决策。
- 使用凸优化技术分配计算资源，解决计算资源需求超过能力的问题。
- 车辆边缘计算通过车辆间和基础设施之间的通信资源池提供计算服务。
- 目标是在时间上保证系统稳定，同时尽量减少DNN任务的完成时间。
- 利用Lyapunov优化技术将长期优化问题与稳定约束解耦。
- 通过模拟车辆移动轨迹证明算法性能优越。
➡️
