Joint Optimization of Caching, Computing, and Radio Resources for Fog-Enabled IoT Using Natural Actor–Critic Deep Reinforcement Learning

计算机科学 强化学习 回程(电信) 马尔可夫决策过程 分布式计算 无线接入网 无线网络 最优化问题 计算卸载 云计算 计算机网络 Lyapunov优化 无线 边缘计算 人工智能 马尔可夫过程 基站 电信 统计 Lyapunov重新设计 操作系统 数学 李雅普诺夫指数 移动台 混乱的 算法
作者
Yifei Wei,F. Richard Yu,Mei Song,Zhu Han
出处
期刊:IEEE Internet of Things Journal [Institute of Electrical and Electronics Engineers]
卷期号:6 (2): 2061-2073 被引量:276
标识
DOI:10.1109/jiot.2018.2878435
摘要

The cloud-based Internet of Things (IoT) develops rapidly but suffer from large latency and backhaul bandwidth requirement, the technology of fog computing and caching has emerged as a promising paradigm for IoT to provide proximity services, and thus reduce service latency and save backhaul bandwidth. However, the performance of the fog-enabled IoT depends on the intelligent and efficient management of various network resources, and consequently the synergy of caching, computing, and communications becomes the big challenge. This paper simultaneously tackles the issues of content caching strategy, computation offloading policy, and radio resource allocation, and propose a joint optimization solution for the fog-enabled IoT. Since wireless signals and service requests have stochastic properties, we use the actor-critic reinforcement learning framework to solve the joint decision-making problem with the objective of minimizing the average end-to-end delay. The deep neural network (DNN) is employed as the function approximator to estimate the value functions in the critic part due to the extremely large state and action space in our problem. The actor part uses another DNN to represent a parameterized stochastic policy and improves the policy with the help of the critic. Furthermore, the Natural policy gradient method is used to avoid converging to the local maximum. Using the numerical simulations, we demonstrate the learning capacity of the proposed algorithm and analyze the end-to-end service latency.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
zenabia完成签到 ,获得积分10
1秒前
qixinyi完成签到,获得积分10
3秒前
司徒无剑发布了新的文献求助10
3秒前
上善若水呦完成签到 ,获得积分10
8秒前
小二郎应助科研通管家采纳,获得10
9秒前
何晓俊完成签到,获得积分10
14秒前
calibrilian完成签到,获得积分10
15秒前
阔达飞双完成签到,获得积分10
16秒前
橘子海完成签到 ,获得积分10
19秒前
舒适的藏花完成签到 ,获得积分10
21秒前
scarlet完成签到 ,获得积分10
22秒前
634301059完成签到 ,获得积分10
25秒前
楚襄谷完成签到 ,获得积分10
26秒前
Murphy发布了新的文献求助10
29秒前
肯德鸭完成签到,获得积分10
30秒前
重重重飞完成签到 ,获得积分10
30秒前
如意的馒头完成签到 ,获得积分10
34秒前
自信松思完成签到 ,获得积分10
36秒前
Hank完成签到 ,获得积分10
38秒前
40秒前
乐观的雨发布了新的文献求助10
45秒前
勤恳书包完成签到,获得积分10
48秒前
Murphy发布了新的文献求助10
49秒前
科研小白完成签到,获得积分10
50秒前
会发芽完成签到 ,获得积分10
56秒前
yanmengzhen完成签到 ,获得积分10
56秒前
杪夏二八完成签到 ,获得积分10
58秒前
老王完成签到,获得积分10
1分钟前
鹏gg完成签到 ,获得积分10
1分钟前
现实的曼安完成签到 ,获得积分10
1分钟前
乐观的雨完成签到,获得积分10
1分钟前
kylin完成签到,获得积分10
1分钟前
Murphy完成签到,获得积分20
1分钟前
1分钟前
可爱的函函应助kylin采纳,获得30
1分钟前
优秀老师发布了新的文献求助10
1分钟前
kxdxng完成签到,获得积分10
1分钟前
坚强志泽完成签到 ,获得积分10
1分钟前
一叶扁舟完成签到 ,获得积分10
1分钟前
jx完成签到 ,获得积分10
1分钟前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
XAFS for Everyone (2nd Edition) 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3134020
求助须知:如何正确求助?哪些是违规求助? 2784845
关于积分的说明 7768824
捐赠科研通 2440241
什么是DOI,文献DOI怎么找? 1297353
科研通“疑难数据库(出版商)”最低求助积分说明 624928
版权声明 600792