A Fast Task Offloading Optimization Framework for IRS-Assisted Multi-Access Edge Computing System

要約

テラヘルツ通信ネットワークとインテリジェントな反射面は、特に航空ベースのマルチアクセス エッジ コンピューティング システムの領域において、ワイヤレス ネットワークの進歩において大きな可能性を示します。
これらのテクノロジーにより、ユーザーの電子デバイスから無人航空機またはローカル実行への計算タスクの効率的なオフロードが可能になります。
高品質のタスクオフロード割り当てを生成するために、従来の数値最適化手法では、限られたチャネルコヒーレンス時間内で困難な組み合わせ最適化問題を解決するのに苦労することが多く、システム状態の動的な変化に迅速に対応できません。
この課題に対処するために、私たちは、ミリ秒以内にエネルギー効率の高いタスクオフロードの決定を生成できるようにする、反復順序保存ポリシー最適化 (IOPO) と呼ばれる深層学習ベースの最適化フレームワークを提案します。
網羅的な検索方法とは異なり、IOPO は網羅的な検索に頼ることなくオフロードの決定を継続的に更新します。その結果、特に広範な解空間を特徴とする複雑な問題を扱う場合に、収束が加速され、計算の複雑さが軽減されます。
実験結果は、提案されたフレームワークが非常に短い時間内でエネルギー効率の高いタスクオフロードの決定を生成でき、他のベンチマーク手法を上回るパフォーマンスを発揮できることを示しています。

要約(オリジナル)

Terahertz communication networks and intelligent reflecting surfaces exhibit significant potential in advancing wireless networks, particularly within the domain of aerial-based multi-access edge computing systems. These technologies enable efficient offloading of computational tasks from user electronic devices to Unmanned Aerial Vehicles or local execution. For the generation of high-quality task-offloading allocations, conventional numerical optimization methods often struggle to solve challenging combinatorial optimization problems within the limited channel coherence time, thereby failing to respond quickly to dynamic changes in system conditions. To address this challenge, we propose a deep learning-based optimization framework called Iterative Order-Preserving policy Optimization (IOPO), which enables the generation of energy-efficient task-offloading decisions within milliseconds. Unlike exhaustive search methods, IOPO provides continuous updates to the offloading decisions without resorting to exhaustive search, resulting in accelerated convergence and reduced computational complexity, particularly when dealing with complex problems characterized by extensive solution spaces. Experimental results demonstrate that the proposed framework can generate energy-efficient task-offloading decisions within a very short time period, outperforming other benchmark methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google