| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-12-15 11:45 Deep Reinforcement Learning Based Computing Resource Allocation in Fog Radio Access Networks ○Tong Zhaowei（Kyushu Univ.）・Ahmad Gendia（Al-Azhar Univ.）・Osamu Muta（Kyushu Univ.）  RCS2023-198 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | The integration of artificial intelligence (AI) with fog radio access networks (F-RANs) has garnered significant interest, primarily motivated by the need for efficient network operation and ensuring high service availability. Fog access point (F-APs) can help with computation offloading to alleviate the huge computational burden of terminal devices in F-RANs. However, the whole system energy consumption needs to be minimized. In this paper, we propose a computation offloading strategy for IIoT that is centered around deep reinforcement learning (DRL) based user and F-AP association, which can learn high-dimensional data and respond to dynamic changes in the environment. The proposed DRL model adopts a framework, which deploys the agent at user side, to address the challenge of high dimensionality in the action space. Specifically, each industrial internet-of-things (IIoT) device is assigned a dedicated DRL model within the framework, facilitating the identification of an appropriate F-AP based on the environment state. Once the user and F-AP association process is completed, a computationally efficient greedy algorithm is utilized at each F-AP, taking into consideration the limited capability, aiding in determining the subset of offloading requests that should be forwarded to the cloud for further processing. The simulation results showcase the superior performance of the proposed DRL algorithm over traditional algorithms, including the random algorithm and the greedy algorithm, in terms of energy consumption. Under the same operation time, DRL also outperforms the genetic algorithm. | |
| キーワード | （和） | / / / / / / / |
| （英） | Deep reinforcement learning / Fog radio access networks / Resource allocation / / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 308, RCS2023-198, pp. 112-117, 2023年12月. | |
| 資料番号 | RCS2023-198 | |
| 発行日 | 2023-12-07 (RCS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | RCS2023-198 |
|
| 研究会情報 | |
| 研究会 | NS RCS |
| 開催期間 | 2023-12-14 - 2023-12-15 |
| 開催地（和） | 九州工業大学 戸畑キャンパス＋オンライン開催 |
| 開催地（英） | Kyushu Institute of Technology Tobata campus, and Online |
| テーマ（和） | マルチホップ／リレー／協調，耐災害無線ネットワーク，センサ・メッシュネットワーク，アドホックネットワーク，D2D・M2M，無線ネットワークコーディング，ハンドオーバ/AP切替/接続セル制御/基地局間負荷分散/モバイルNW動的再構成，QoS・QoE保証，無線VoIP，IoT，エッジコンピューティング，一般 |
| テーマ（英） | Multi-hop/Relay/Cooperation, Disaster-resistant wireless network, Sensor/Mesh network, Ad-hoc network, D2D/M2M, Wireless network coding, Handover/AP switching/Connected cell control/Load balancing among base stations/Mobile network dynamic reconfiguration, QoS/QoE assurance, Wireless VoIP, IoT, Edge computing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2023-12-NS-RCS |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Deep Reinforcement Learning Based Computing Resource Allocation in Fog Radio Access Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / Deep reinforcement learning |
| キーワード(2)（和/英） | / Fog radio access networks |
| キーワード(3)（和/英） | / Resource allocation |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | Tong Zhaowei / Tong Zhaowei / ドウ チョウイ |
| 第1著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | Ahmad Gendia / Ahmad Gendia / |
| 第2著者 所属（和/英） | Al-Azhar University (略称： Al-Azhar Univ.) Al-Azhar University (略称： Al-Azhar Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 牟田 修 / Osamu Muta / ムタ オサム |
| 第3著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-12-15 11:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2023-198 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.308 |
| ページ範囲 | pp.112-117 |
| ページ数 | 6 |
| 発行日 | 2023-12-07 (RCS) |
[研究会発表申込システムのトップページに戻る]