| 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 | 2026-06-17 14:20 ハンドオーバを考慮したSAGINにおけるMECのための階層型マルチエージェント深層強化学習 ○長瀬 陸（慶大）・アハメド エー アル ハボブ・オクタヴィア ドブレ（メモリアル大）・大槻知明（慶大）  RCS2026-38 |
|
| 抄録 | （和） | SAGIN（Space--Air--Ground Integrated Network）は， 低遅延が要求されるアプリケーションを利用するユーザに対して， MEC（Mobile Edge Computing）サービスを提供する 有望なネットワーク基盤として期待されている． SAGIN における MEC オフロードに関する従来研究の多くは， タスクの継続性を無視するか，各スロットで独立にオフロード決定を行っており， ハンドオーバや部分的なタスク実行に起因するスロット間の時間依存性を 十分に捉えられていないという問題があった． そこで本研究では，ネットワークノードの移動に伴うサーバ選択およびハンドオーバを 明示的に考慮し，タスク継続性に起因する時間結合制約を組み込んだ MEC オフロードのフレームワークを構築する． さらに，ユーザ・サーバ間のアソシエーションおよび計算資源割当てを決定変数とし， 各ユーザにおける完了タスクの合計サイズを最大化する問題を定式化する． この問題に対して，本研究では HMADRL（Hierarchical Multi-Agent Deep Reinforcement Learning） に基づく解法を提案する． シミュレーション結果により，提案する HMADRL 手法が ACO（Ant Colony Optimization）およびランダム割当て手法と比較して， 各ユーザの完了タスクサイズの観点で良好な性能を示すことを確認した． |
| （英） | Space--Air--Ground Integrated Network (SAGIN) is a promising infrastructure for delivering Mobile Edge Computing (MEC) services to users running computation-intensive, latency-sensitive applications. Most existing studies on MEC offloading in SAGIN either ignore task continuity or make offloading decisions independently at each time slot, and thus fail to capture the inter-slot temporal dependency caused by handover and partial task execution. To address this limitation, we develop a MEC offloading framework that explicitly accounts for server selection and handover triggered by the mobility of network nodes, and incorporates inter-slot temporal coupling constraints arising from task continuity. The problem of jointly optimizing user--server association and computational resource allocation to maximize the total size of completed tasks per user is formulated as a Mixed-Integer Nonlinear Programming (MINLP) problem. To solve this problem, we propose a method based on Hierarchical Multi-Agent Deep Reinforcement Learning (HMADRL), in which the upper layer determines user--server association and the lower layer learns computational resource allocation. Simulation results confirm that the proposed HMADRL method achieves superior performance in terms of the size of completed tasks per user compared with the Ant Colony Optimization (ACO) method and a random association baseline. |
|
| キーワード | （和） | SAGIN / MEC / タスクオフロード / 深層強化学習 / ハンドオーバ / / / |
| （英） | SAGIN / MEC / task offloading / deep reinforcement learning / handover / / / | |
| 文献情報 | 信学技報, vol. 126, no. 72, RCS2026-38, pp. 72-79, 2026年6月. | |
| 資料番号 | RCS2026-38 | |
| 発行日 | 2026-06-10 (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 | RCS2026-38 |
|
| 研究会情報 | |
| 研究会 | RCS |
| 開催期間 | 2026-06-17 - 2026-06-19 |
| 開催地（和） | 大濱信泉記念館 |
| 開催地（英） | The Ohama Nobumoto Memorial Hall |
| テーマ（和） | 初めての研究会，リソース制御，スケジューリング，無線通信一般 |
| テーマ（英） | First Presentation in IEICE Technical Committee, Resource Control, Scheduling, Wireless Communications, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2026-06-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | ハンドオーバを考慮したSAGINにおけるMECのための階層型マルチエージェント深層強化学習 |
| サブタイトル（和） | |
| タイトル（英） | Handover-Aware MEC Offloading in Space-Air-Ground Integrated Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | SAGIN / SAGIN |
| キーワード(2)（和/英） | MEC / MEC |
| キーワード(3)（和/英） | タスクオフロード / task offloading |
| キーワード(4)（和/英） | 深層強化学習 / deep reinforcement learning |
| キーワード(5)（和/英） | ハンドオーバ / handover |
| 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） | 長瀬 陸 / Riku Nagase / ナガセ リク |
| 第1著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第2著者 氏名（和/英/ヨミ） | アハメド エー アル ハボブ / Ahmed A. Al-Habob / オオツキ トモアキ |
| 第2著者 所属（和/英） | メモリアル大学 (略称： メモリアル大) Memorial University (略称： Memorial Univ.) |
| 第3著者 氏名（和/英/ヨミ） | オクタヴィア ドブレ / Octavia Dobre / |
| 第3著者 所属（和/英） | メモリアル大学 (略称： メモリアル大) Memorial University (略称： Memorial Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 大槻 知明 / Tomoaki Ohtsuki / オオツキ トモアキ |
| 第4著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-17 14:20:00 |
| 発表時間 | 10分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2026-38 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.72 |
| ページ範囲 | pp.72-79 |
| ページ数 | 8 |
| 発行日 | 2026-06-10 (RCS) |
[研究会発表申込システムのトップページに戻る]