A Service-Oriented Energy Efficient Resource Allocation Approach for Wireless Communications of the Tunnel Construction

Ning, Pengfei; Wang, Hongwei; Tang, Tao; Zhu, Li; Wang, Xi

doi:10.1109/tvt.2022.3227898

Cited by 3 publications

(1 citation statement)

References 35 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…We here leverage this approach to solve our joint charging scheduling and computation offloading problem. To ensure the safety of learned joint charging scheduling and computation offloading policies, similar to the safe RL algorithms proposed in previous studies, e.g., [56], [57], DDPGSO and PPOSO utilize a penalty-augmented objective, which combines the expected reward objective with a penalty term associated with constraint violations for learning the safe policy.…”

Section: Comparison Resultsmentioning

confidence: 99%

Joint Charging Scheduling and Computation Offloading in EV-Assisted Edge Computing: A Safe DRL Approach

Zhang,

Hu,

Min

et al. 2024

IEEE Trans. on Mobile Comput.

View full text Add to dashboard Cite

Electric Vehicle-assisted Multi-access Edge Computing (EV-MEC) is a promising paradigm where EVs share their computation resources at the network edge to perform intensive computing tasks while charging. In EV-MEC, a fundamental problem is to jointly decide the charging power of EVs and computation task allocation to EVs, for meeting both the diverse charging demands of EVs and stringent performance requirements of heterogeneous tasks. To address this challenge, we propose a new joint charging scheduling and computation offloading scheme (OCEAN) for EV-MEC. Specifically, we formulate a cooperative two-timescale optimization problem to minimize the charging load and its variance subject to the performance requirements of computation tasks. We then decompose this sophisticated optimization problem into two sub-problems: charging scheduling and computation offloading. For the former, we develop a novel safe deep reinforcement learning (DRL) algorithm, and theoretically prove the feasibility of learned charging scheduling policy. For the latter, we reformulate it as an integer non-linear programming problem to derive the optimal offloading decisions. Extensive experimental results demonstrate that OCEAN can achieve similar performances as the optimal strategy and realize up to 24% improvement in charging load variance over three state-of-the-art algorithms while satisfying the charging demands of all EVs.

show abstract

Section: Comparison Resultsmentioning

confidence: 99%

Joint Charging Scheduling and Computation Offloading in EV-Assisted Edge Computing: A Safe DRL Approach

Zhang,

Hu,

Min

et al. 2024

IEEE Trans. on Mobile Comput.

View full text Add to dashboard Cite

show abstract

AoI-Driven Cluster-Based Spectrum Sharing in Internet of Construction Equipment with Multi-Agent Reinforcement Learning

Ning,

Wang,

Tang

et al. 2023

2023 IEEE 26th International Conference on Intelligent Transportation Systems (ITSC)

View full text Add to dashboard Cite

Đánh giá hiệu năng mạng cảm biến không dây đa sự kiện sử dụng giao thức ưu tiên PMME ở lớp MAC với các tập giá trị p tuyến tính và phi tuyến

Nguyen

2024

JMST

View full text Add to dashboard Cite

Trong những giao thức MAC hỗ trợ đa ưu tiên dữ liệu và tiết kiệm năng lượng cho mạng cảm biến không dây đa sự kiện thì giao thức PMME được đánh giá là vượt trội so với các giao thức tiền nhiệm. Tuy nhiên các kịch bản mô phỏng giao thức này mới xét tới sự thay đổi của số nút mà chưa thực hiện với nhiều kịch bản giá trị p trong cơ chế CSMA/CA p-persistent tuyến tính và phi tuyến. Bài báo phân tích ảnh hưởng của các bộ giá trị p theo mức ưu tiên của dữ liệu lên hiệu năng mạng cảm biến đa ưu tiên dựa trên mô phỏng hoạt động của giao thức PMME ưu tiên dữ liệu lớp MAC. Kết quả đạt được cho thấy giao thức PMME sử dụng bộ giá trị p tuyến tính tính giúp mạng duy trì được hiệu quả mạng tốt trên khía cạnh công bằng về độ trễ trong khi giá trị p phi tuyến giúp mạng đảm bảo mức ưu tiên cao nhất sẽ đạt được độ trễ tối ưu hơn trong điều kiện mô phỏng có sự thay đổi của số nút và tập giá trị p ưu tiên cho bốn loại sự kiện.

show abstract

A Service-Oriented Energy Efficient Resource Allocation Approach for Wireless Communications of the Tunnel Construction

Cited by 3 publications

References 35 publications

Joint Charging Scheduling and Computation Offloading in EV-Assisted Edge Computing: A Safe DRL Approach

Joint Charging Scheduling and Computation Offloading in EV-Assisted Edge Computing: A Safe DRL Approach

AoI-Driven Cluster-Based Spectrum Sharing in Internet of Construction Equipment with Multi-Agent Reinforcement Learning

Đánh giá hiệu năng mạng cảm biến không dây đa sự kiện sử dụng giao thức ưu tiên PMME ở lớp MAC với các tập giá trị p tuyến tính và phi tuyến

Contact Info

Product

Resources

About