面向空天地一体化网络的切片划分与协作卸载

摘要

新兴的空天地一体化网络(Space-Air-Ground Integrated Networks, SAGIN)赋予移动边缘计算(Mobile Edge Computing, MEC)更广泛的通信覆盖范围与更灵活的网络接入能力.然而，多样化的用户需求与低效的资源利用严重影响了SAGIN中计算卸载的服务质量(Quality-of-Service, QoS).现有研究工作大多针对静态环境或依赖系统先验知识，难以适应动态复杂的SAGIN环境.针对上述挑战，本文设计了一种新型的面向SAGIN的切片划分与协作卸载(Slice Partitioning and Collaborative Offloading, SPCO)框架.首先，提出了一种基于Transformer的切片资源划分方法，通过感知用户流量的变化趋势，实现高效的切片资源划分.接着，设计了一种基于改进深度强化学习(Deep Reinforcement Learning, DRL)的协作卸载与资源分配方法，通过应对Q值高估与高方差导致的难以收敛等问题，实现了通信和计算资源的合理分配以及异构平台的高效协作卸载.大量基于真实流量数据集的实验验证了SPCO的有效性.所提SPCO框架可有效增加服务商收益，且相较于其他基准方法可以取得更加优越的任务完成率与资源利用率.

关键词

空天地一体化网络 / 网络切片 / 协作卸载 / 资源分配 / 深度强化学习