Contract-Learning Based Computing Incentive and Data Offloading in Digital Twin Edge Networks

Nan Zhao

doi:10.1109/tvt.2026.3694897

Contract-Learning Based Computing Incentive and Data Offloading in Digital Twin Edge Networks

2026-05-19

0

PRE

AI

DOI：10.1109/tvt.2026.3694897

原文链接

原文求助

摘要

En 中文

在数字孪生边缘网络（DTEN）中，边缘的有效数据处理对于满足数字孪生模型（DT模型）的实时要求至关重要。然而，由于边缘服务器的自利性和计算资源有限，它们在没有合理奖励的情况下不愿参与数据处理。本文提出了一种合同学习集成方法，用于解决DTEN中的计算激励和数据卸载问题。设计了一种二维计算-奖励合同激励机制，以激励边缘服务器为数据处理提供计算资源。然后，在满足个体理性和激励相容约束的条件下，获取最优合同项。接下来，基于设计的激励机制，将数据卸载过程建模为优化问题，以获得最小系统延迟。引入了一种多智能体深度强化学习方法，在不要求数字孪生边缘网络（DTEN）先验知识的情况下优化数据卸载策略。最后，数值结果表明，所提出的方法能够实现显著的性能提升。

Keyword:

Digital twin edge networks

computing incentive

data offloading

contract theory

multi agent deep reinforcement learning

Contract-Learning Based Computing Incentive and Data Offloading in Digital Twin Edge Networks

摘要

期刊

机构

引用论文