Key points are not available for this paper at this time.
Face à la tendance de fusion des communications sans fil et du calcul en périphérie multi-accès (MEC), cet article étudie le déchargement de calcul dans les réseaux au-delà de la cinquième génération. Pour relever les défis techniques découlant des incertitudes et du partage de ressources limitées dans un système MEC, nous formulons le problème de déchargement de calcul comme un processus de décision de Markov multi-agents, pour lequel un cadre d'apprentissage distribué est proposé. Nous présentons une étude de cas sur l'orchestration des ressources dans le déchargement de calcul pour démontrer le potentiel d'un algorithme d'apprentissage par renforcement distribué en ligne développé dans le cadre proposé. Les résultats expérimentaux montrent que notre algorithme d'apprentissage surpasse les algorithmes d'orchestration des ressources de référence. De plus, nous exposons les directions de recherche qui méritent une enquête approfondie pour minimiser le coût temporel, qui est l'un des principaux problèmes pratiques empêchant la mise en œuvre du cadre d'apprentissage distribué proposé.
Chen et al. (Jeu,) ont étudié cette question.