.png){kind=icon}
返回
Improved Multi-Agent Proximal Policy Optimization Algorithm for Resource Allocation with Radar-Perception in UAV-Assisted VEC
.png){kind=icon}
PRE
AI
DOI：10.1145/3771094.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在拥堵的道路环境中，可用于路侧单元（RSUs）的频谱资源通常不足以同时满足大量用户的通信需求。为解决此问题，可部署无人机（UAVs）以临时补充频谱资源。本文提出了一种基于无人机的车边计算（VEC）系统，通过集成无人机来增强RSU在拥堵场景下的能力。然而，传统的频谱感知技术难以自主监测车辆运动并维持稳定的频谱性能。为克服这一问题，我们将雷达感知设备引入RSU中，以提高感知精度和一致性。雷达传感器的集成虽然有益，但会加剧对有限系统资源的竞争。因此，我们构建了资源分配问题模型，考虑计算延迟、通信速率和感知数据，并受限于频谱资源、卸载决策和时隙分配。该问题被建模为马尔可夫决策过程（MDP），并提出了一种改进的多智能体近端策略优化（IMAPPO）算法，以在这些约束下优化资源分配。实验结果表明，与A3C等基线算法相比，所提算法将平均任务处理延迟降低15.53%，雷达估计互信息（MI）提升9.52%，并使任务完成率提高4.1%。
