翻译:边缘计算中的分散式任务卸载:一种多用户多武装匪徒方法
来源:IEEE INFOCOM 2022 - IEEE Conference on Computer Communications
链接:Decentralized Task Offloading in Edge Computing: A Multi-User Multi-Armed Bandit Approach | IEEE Conference Publication | IEEE Xplore简要介绍:场景系统侧信息未知,环境是动态的不确定的,不足以处理涉及许多共存用户的任务放置。方案是开发了一个考虑未知但随机的系统侧信息的多用户卸载框架,以实现分散的用户发起的服务放置。具体来说,我们将动态任务放置建模为一个在线多用户多臂赌博过程,用户是去探索新的边缘服务器,还是利用已知的边缘服务器来进行卸载,这两者之间是矛盾的,赌博机就是平衡这俩矛盾,并提出了一个分散的基于历元的卸载( DEBO )来优化网络延迟下的用户奖励。目的是推导出最优的用户-服务器分配,从而实现接近最优的服务性能和紧O ( log T )的卸载遗憾。效果是将DEBO推广到未知报酬差距、客户动态进入或离开、公平报酬分配等多种常见场景,同时进一步探索用户卸载任务何时需要异构计算资源,该方法更优越。
关于多臂赌博机可参考:强化学习基础笔记1(Sutton)--多臂赌博机 - 知乎,还有GPT
笔记: