6G网络中基于卫星的ITS数据卸载与计算：一种带有注意力机制的合作多智能体近端策略优化深度强化学习方法
摘要：智能交通系统（ITS）的普及促使了对各种网络应用的需求增加。然而，传统的陆地接入网络（TAN）无法满足远程ITS节点（如飞机和船舶）的各种应用需求。相比之下，卫星接入网络（SAN）在覆盖灵活性和可用性方面为TAN提供了补充支持。在本研究中，我们提出了一种基于SAN的ITS数据卸载和计算服务的新方法。我们使用低地球轨道（LEO）和立方卫星（CubeSats）作为独立的移动边缘计算（MEC）服务器，调度由ITS节点生成的数据的处理。为了优化不同卫星服务器的卸载任务选择、计算和带宽资源分配，我们制定了一个混合整数非线性规划（MINLP）和NP难问题的联合延迟和租金最小化问题。我们提出了一种带有注意机制的合作多代理近端策略优化（Co-MAPPO）深度强化学习（DRL）方法来处理智能卸载决策。我们还将剩余子问题分解为三个独立子问题，用凸优化技术得到它们的最优闭式解析解。我们进行了广泛的仿真，并将我们的提出方法与基线进行了比较，结果分别提高了9.9％，5.2％和4.2％的性能。
作者：Sheikh Salman Hassan, Yu Min Park, Yan Kyaw Tun, Walid Saad, Zhu Han, Choong Seon Hong
论文ID：2212.05757
分类：Networking and Internet Architecture
分类简称：cs.NI
提交时间：2023-06-16