在雾计算无线接入网络中，通过多智能体强化学习实现协作边缘缓存
摘要：在这篇论文中，研究了雾计算无线接入网络（F-RANs）中的合作边缘缓存问题。为了最小化内容传输延迟，我们制定了合作缓存优化问题，以找到全局最优的缓存策略。考虑到这个问题的非确定性多项式硬（NP-hard）特性，提出了一种基于多智能体强化学习（MARL）的合作缓存方案。我们提出的方案在每个雾接入点（F-AP）中应用了双深度Q网络（DDQN），并引入了多智能体系统中的通信过程。每个F-AP记录其关联F-AP的历史缓存策略作为通信过程的观测。通过交换这些观测，F-AP可以利用合作并制定全局最优的缓存策略。模拟结果表明，与基准方案相比，所提出的基于MARL的合作缓存方案在最小化内容传输延迟方面具有显著的性能。
作者：Qi Chang, Yanxiang Jiang, Fu-Chun Zheng, Mehdi Bennis, and Xiaohu You
论文ID：2206.09549
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2022-06-22