空天地一体化算力网络资源调度机制

空天地一体化算力网络资源调度机制

背景与需求

随着全球互联网的发展，涌现了大量新兴应用服务，如工业自动化和智能交通系统，这些服务产生了海量数据需要传输和处理。6G通信技术为这些应用提供了高可靠低延迟的连接服务。然而，在偏远山区，地面的蜂窝网络无法实现全覆盖，尤其遇到极端天气时，地面的基础通信设施容易受到破坏，无法提供稳定的通信服务。为此，研究学者提出了空天地一体化网络（SAGIN），将天基网络、空基网络与地面网络相结合，为全球的智能应用提供泛在的计算服务。

系统模型

1. 应用场景：

   • SAGIN架构旨在通过全球的无缝覆盖以及空、天、地三域的协同计算，以支持具有不同需求的各种应用场景的计算服务。
   • 地基网络：重点研究物联网设备、有线网络设备和专用计算设备。
   • 空基网络：飞行无人机可以作为边缘服务器，为地面用户提供低时延的边缘缓存和计算能力。
   • 天基网络：通过卫星通信满足体验质量和服务质量需求，同时生成许多计算任务，如地球观测数据处理。

2. 通信模型：

   • 智能应用设备与地面、天空、太空的无线通信模型。
   • 数据传输速率公式： [ R_{\text{g}} = \frac{1}{2} \left( \sigma_g^2 + \frac{p_n}{d_{gn}^{\theta}} \right) ] [ R_{\text{a}} = \frac{1}{2} \left( \sigma_a^2 + \frac{p_n}{d_{an}^{\theta}} \right) ] [ R_{\text{p}} = \frac{1}{2} \left( \sigma_p^2 + \frac{p_n}{d_{pn}^{\theta}} \right) ]

3. 时延与能耗模型：

   • 计算时延：地基、空基、天基网络中的计算时延。
   • 传输时延：计算任务从无线链路传输到指定计算域所需时间。
   • 能耗：计算任务在空天地三个域中的处理能耗。

4. 优化问题：

   • 目标：最小化总时延和能耗的综合开销。
   • 优化目标问题转化为最小化系统成本。

方法

1. 多智能体深度强化学习：
   • 将每个域控制器视为一个智能体，通过协同学习和分布式决策实现计算任务智能调度和高效分配。
   • 使用多智能体近端策略优化（MAPPO）算法进行任务调度和资源分配。

实验结果

• 该机制能够有效提高资源利用率和任务响应时间。

总结

本文提出了一种基于多智能体深度强化学习的空天地一体化算力网络资源调度机制，通过优化计算任务的调度和资源分配，实现了高效的资源利用和任务处理。该方法能够有效应对空天地网络中的动态变化和复杂需求，适用于多种应用场景。