Beyond the Edge: An Advanced Exploration of Reinforcement Learning for Mobile Edge Computing, its Applications, and Future Research Trajectories

要約

モバイル エッジ コンピューティング (MEC) は、エンド デバイスの近くにエッジ ノードを組み込み、中央ネットワークを超えて計算とストレージの範囲を広げます。
この拡張により、エッジ ネットワーク内での大規模な「接続されたモノ」の実装が容易になります。
リアルタイムの高品質サービスを必要とするアプリケーションの出現により、低遅延、高データ レート、信頼性、効率、セキュリティなどのいくつかの課題が生じ、これらすべての課題を解決することが求められます。
MEC ネットワーク内に強化学習 (RL) 手法を組み込むことにより、モバイル ユーザーの行動とネットワークのダイナミクスについてのより深い理解が促進され、それによってコンピューティングおよび通信プロセスにおけるリソースの使用が最適化されます。
このペーパーでは、MEC ネットワークにおける RL アプリケーションの徹底的な調査を提供し、最初に、その基本原理から最新の高度なフレームワークまで RL の概要を示します。
さらに、MEC ネットワーク内のオフロード、キャッシング、および通信で採用されるさまざまな RL 戦略の概要を説明します。
最後に、ソフトウェアとハ​​ードウェアのプラットフォーム、表現、RL の堅牢性、安全な RL、大規模なスケジューリング、一般化、セキュリティ、プライバシーに関連する未解決の問題を検討します。
この論文では、これらの問題を軽減するための特定の RL 手法を提案し、その実際のアプリケーションについての洞察を提供します。

要約(オリジナル)

Mobile Edge Computing (MEC) broadens the scope of computation and storage beyond the central network, incorporating edge nodes close to end devices. This expansion facilitates the implementation of large-scale ‘connected things’ within edge networks. The advent of applications necessitating real-time, high-quality service presents several challenges, such as low latency, high data rate, reliability, efficiency, and security, all of which demand resolution. The incorporation of reinforcement learning (RL) methodologies within MEC networks promotes a deeper understanding of mobile user behaviors and network dynamics, thereby optimizing resource use in computing and communication processes. This paper offers an exhaustive survey of RL applications in MEC networks, initially presenting an overview of RL from its fundamental principles to the latest advanced frameworks. Furthermore, it outlines various RL strategies employed in offloading, caching, and communication within MEC networks. Finally, it explores open issues linked with software and hardware platforms, representation, RL robustness, safe RL, large-scale scheduling, generalization, security, and privacy. The paper proposes specific RL techniques to mitigate these issues and provides insights into their practical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google