标题：MEC辅助的多基站系统中基于多代理的联合任务卸载和资源分配
作者：王嫦 孙彦赞 张舜卿 陈小静
作者单位：上海大学通信与信息工程学院，上海 200444
关键字：移动边缘计算；多代理深度学习；资源分配；任务卸载
摘要：在对下一代通信网络架构的广泛研究中，对于有多密集基站（Base Station，BS）的移动边缘计算（Mobile Edge Computing，MEC）系统来说，任务卸载和资源分配问题变得越来越复杂，首先将这一多维动态问题表述为一个优化问题。其次，为了使系统开销最小化，提出了一种基于注意力机制的多代理近端策略优化（Attention-based Multi-agent Proximal Policy Optimization，A-MAPPO）算法，该算法采用集中式训练和分布式执行（Centralized Training and Decentralized Execution，CTDE）框架，并利用注意力机制来促进Critic网络的收敛，从而提高算法的性能。最后，实验结果表明，与其他基准算法相比，A-MAPPO算法可以最多降低28.3%的系统成本。