通感算融合网络中差异化任务卸载与资源分配联合研究

摘要

针对通感算融合(integrated sensing, communication and computing, ISCC)网络中用户需求差异化、资源分配效率低的问题，建立了一种移动边缘计算(mobile edge computing, MEC)辅助ISCC网络的服务缓存、差异化任务卸载和资源分配模型。在满足数据信息速率、感知精度的约束下，以最小化任务的处理成本为目标，研究了服务缓存、任务卸载和资源分配的联合优化问题，将该优化问题重构为部分马尔科夫决策过程，采用多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法自适应满足差异化用户需求，自主决策服务缓存、任务卸载和资源分配策略。相比于现有的任务卸载算法，MADDPG算法能够降低约13.25%的任务平均处理成本，并且本地缓存命中率提高了约18.33%。

关键词

通信-感知-计算融合(ISCC) / 移动边缘计算(MEC) / 服务缓存 / 任务卸载 / 资源分配