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
神勇芝麻完成签到,获得积分10
1秒前
张小小完成签到,获得积分10
2秒前
华仔应助hhh采纳,获得10
2秒前
Tony完成签到,获得积分10
3秒前
4秒前
SS发布了新的文献求助10
4秒前
stellafreeman发布了新的文献求助30
5秒前
小霞完成签到 ,获得积分10
5秒前
5秒前
5秒前
kaneki发布了新的文献求助10
5秒前
小呵点完成签到 ,获得积分10
7秒前
oceanic发布了新的文献求助10
10秒前
水三寿发布了新的文献求助10
11秒前
sun发布了新的文献求助10
12秒前
骰子Zzz发布了新的文献求助10
12秒前
陶醉大侠完成签到,获得积分10
13秒前
14秒前
司马惜儿发布了新的文献求助10
15秒前
16秒前
彭于晏应助今天不吃饭采纳,获得10
16秒前
Orange应助无绮采纳,获得10
18秒前
如梦华完成签到 ,获得积分10
18秒前
搜集达人应助Ting采纳,获得10
18秒前
嗯哼应助韭菜何子采纳,获得20
19秒前
外向语山发布了新的文献求助10
19秒前
21秒前
stellafreeman完成签到,获得积分10
21秒前
21秒前
Nix完成签到,获得积分10
22秒前
露拉发布了新的文献求助10
23秒前
24秒前
24秒前
缓慢犀牛完成签到,获得积分10
24秒前
25秒前
25秒前
28秒前
半个灵魂发布了新的文献求助10
31秒前
裴荣华发布了新的文献求助20
31秒前
32秒前
高分求助中
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
CLSI EP47 Evaluation of Reagent Carryover Effects on Test Results, 1st Edition 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
Retention of title in secured transactions law from a creditor's perspective: A comparative analysis of selected (non-)functional approaches 500
"Sixth plenary session of the Eighth Central Committee of the Communist Party of China" 400
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 3055485
求助须知:如何正确求助?哪些是违规求助? 2712292
关于积分的说明 7430453
捐赠科研通 2357116
什么是DOI,文献DOI怎么找? 1248604
科研通“疑难数据库(出版商)”最低求助积分说明 606750
版权声明 596093