.png){kind=icon}
返回
Throughput Maximization for MapReduce-Based Collaborative Computing Over Energy-Harvesting Wireless Devices
.png){kind=icon}
PRE
AI
DOI：10.1109/lwc.2026.3727686.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本通信研究了基于MapReduce的协同计算在异构无线设备上的资源分配问题，这些设备由可再生能源收集供电。我们构建了一个长期平均吞吐量最大化问题，联合优化计算负载、阶段时间分配、传输功率和每设备能耗，并满足电池演化、CPU频率和时延约束。为解决该问题而无需先验的信道状态或能量到达信息，我们提出了一种DDPG-CVX算法，将深度确定性策略梯度（DDPG）与凸规划相结合。DDPG根据观测到的电池和信道状态确定每个设备的每时隙能量预算；其余资源分配变量随后由嵌入的凸求解器求解至全局最优。这种两阶段分解降低了DDPG的动作空间维度，同时保持了每时隙的解质量。仿真结果表明，DDPG-CVX算法的吞吐量达到代表性基准的1.25~32.36倍。
Keyword:
MapReduce
collaborative computing
resource allocation
DDPG
convex optimization
