A DRL-Framework for Full-Duplex WPCN Enabled Mobile Edge Computing

Senlei Bao

doi:10.1109/TVT.2025.3573022

A DRL-Framework for Full-Duplex WPCN Enabled Mobile Edge Computing

0

PRE

AI

DOI：10.1109/TVT.2025.3573022

原文链接

原文求助

摘要

En 中文

随着物联网（IoT）在日常生活和工业生产中的持续扩展，物联网设备产生的数据正迅速增长。为解决这些设备中电池寿命有限和计算能力不足的挑战，出现了两种有前景的解决方案：无线能量传输（WPT）和移动边缘计算（MEC）。通过接收来自混合接入点（HAP）的射频（RF）能量，无线设备（WDs）可以卸载数据至HAP或本地处理。本文探讨了全双工WPT-MEC场景，并通过优化WDs在不同接入模式和能量收集模型下的卸载决策和资源分配，最大化总计算速率（SCR）。该问题被表述为混合整数非线性规划（MINLP）问题。为解决此问题，我们将其分解为两个子问题：一个专注于优化卸载决策，另一个在给定卸载决策的条件下，关注能量功率和带宽分配。我们提出了一种基于策略梯度的深度强化学习方法进行卸载决策，并设计了一种优化算法以实现高效的带宽和能量资源分配。仿真结果表明，所提出的算法在保持低计算复杂度的同时，可达到约96%的最大可能计算速率。

Keyword:

Edge computing

wireless power transfer (WPT)

resource allocation

computation rate maximization

policy gradient

A DRL-Framework for Full-Duplex WPCN Enabled Mobile Edge Computing

摘要

期刊

机构

引用论文