May, 2024

基于多智能体强化学习的工业 AIGC 服务在无线边缘网络上的卸载

PDF
TL;DR提出了一种基于生成模型的工业 AIGC 协同边缘学习框架，通过利用真实样本合成和基于边缘的优化功能，实现高效的少样本学习，包括多任务 AIGC 计算卸载模型和注意力增强的多智能体强化学习算法，最终实现了边缘化 AIGC 任务完成的系统延迟优化。
generative modeledge optimizationaigccollaborative edge learningsystem latency
发现论文，激发创造
  • 边缘计算网络中的 AI 生成内容服务的卸载与质量控制

    提出了一种联合优化算法，用于解决在边缘计算范式中对 AI 生成内容模型和卸载决策的优化问题，并通过实验证明所提算法在联合优化性能上优于基准方法。

    Dec, 2023

  • 在无线边缘网络中实现 AI 生成内容（AIGC）服务

    本文介绍了人工智能生成内容（AIGC）的技术及其在无线边缘网络中的应用，提出了 AIGC 作为服务（AaaS）的概念，并讨论了在边缘网络上部署 AaaS 的挑战。同时，我们还引入了几个基于图像的感知质量评估指标，并提出了一种通用有效的模型来说明计算资源与用户感知质量评估指标之间的关系。为了实现高效的 AaaS 和最大化在无线边缘网络中生成内容的质量，我们提出了一种深度强化学习启发的算法来选择最佳 ASP。仿真结果表明，相对于四个基准策略，即避免过载，随机，轮流以及上限方案，我们提出的算法可以为用户提供更高质量的生成内容并实现更少的崩溃任务。

    Jan, 2023

  • 分散式车联网中移动 AIGC 服务的基于学习的激励机制

    在本文中，我们提出了一种分散化的激励机制，利用多智能体深度强化学习在车联网环境中平衡 RSUs 上的 AIGC 服务供应和用户对服务的需求，以优化用户体验和减小传输时延。实验结果表明，我们的方法在性能上优于其他基准模型。

    Mar, 2024

  • 基于深度强化学习的车联网边缘计算多接入调度

    利用无人机辅助多智能体图卷积深度强化学习算法，实现车道上物联网设备最大化的用户体验，并在仿真中取得了良好的性能。

    Feb, 2022

  • 一种由语义通信赋能的无线人工智能生成内容（AIGC）预配框架

    提出了一种语义通信（SemCom）支持的生成式人工智能内容（SemAIGC）生成和传输框架，通过语义信息的提取和传输，解决了无线网络中提供优质 AIGC 服务的挑战，并采用资源感知的工作负载权衡（ROOT）方案进行计算资源的智能调整。仿真结果表明，与传统方法相比，所提出的 SemAIGC 框架在延迟和内容质量方面具有优势。

    Oct, 2023

  • 基于多智能体强化学习的地理分布数据中心可持续负载调度

    本研究提出一种基于多智能体强化学习和演员 - 评论家方法的算法，通过与真实工作负载模式、能源价格和碳强度相互作用的云系统学习最优的协同调度策略，从而最大化 GPU 利用率、降低运营成本和减少碳排放。与其他算法相比，我们的方法提高了系统效用，最高可达 28.6％。

    Apr, 2023

  • 最大推理准确性和能效的选择性任务卸载用于实时物联网感知系统

    通过提出轻量级混合遗传算法来解决小型推理模型在边缘设备上动态分配推理任务以最大化推理准确度的问题，并与其他演化方法进行比较。

    Feb, 2024

  • 6G 时代资源高效的移动边缘生成网络：基础、框架和案例研究

    将生成式人工智能（GAI）与边缘计算网络结合，提出了生成式移动边缘网络的概念，并概述了广泛采用的 GAI 技术及其在移动边缘网络中的应用。在资源受限场景下，通过设计资源高效的方法、制定适当的激励机制以及利用生成扩散模型（GDMs）找到最优的激励机制解决方案，解决了生成式移动边缘网络面临的挑战。通过案例研究提出了一种模型分区的方法以实现智能任务卸载，并提出了基于 GDM 的 Stackelberg 模型来激励边缘设备为移动边缘智能提供计算资源。最后，提出了几个能够促进生成式移动边缘网络未来发展的方向。

    Dec, 2023

  • 卫星网络中的交互式生成型人工智能代理通过专家组合传输技术

    为了解决 6G 全球通信的需求，本文开发了用于模型建立的生成型人工智能代理，并应用混合专家方法设计传输策略。通过结合多个专业组件的专业知识，并利用生成代理所提供的问题求解，验证了该方法在解决问题上的准确性和有效性。

    Apr, 2024

  • 基于生成模型的下一代无线网络优化：基础、现状与关键挑战

    下一代无线网络中，生成式人工智能（Generative AI，GAI）模型的应用可以提升资源分配和网络性能优化，解决传统优化技术面临的挑战。

    May, 2024