إطار حوسبة طرفية هجين قائم على خوارزميتي PPO و DQN لتحميل المهام المدعوم بالذكاء الاصطناعي وتحسين استهلاك الطاقة في شبكات الجيل الخامس (5G)
الكلمات المفتاحية:
الجيل الخامس، تفريغ المهام، تحسين الطاقة، التعلم التعزيزي، الحوسبة الطرفيةالملخص
ادى الانتشار السريع لشبكات الجيل الخامس 5G والعدد المتزايد من أجهزة إنترنت الأشياء إلى تسريع الطلب على الحوسبة الطرفية للشبكة بشكل كبير، حيث يتطلب الأمر زمن وصول منخفضًا للغاية وموثوقية عالية. هذه الورقة، نقترح إطار عمل للحوسبة الطرفية الذكية قائمًا على الذكاء الاصطناعي، يستخدم نهج التعلم التعزيزي العميق الهجين (PPO-DQN) لتحسين متعدد الأهداف، وتفريغ المهام وإدارة الطاقة في الأنظمة اللاسلكية غير المتجانسة. يوازن الإطار بشكل تكيفي بين التأخير والإنتاجية واستهلاك الطاقة الناتج عن تقسيم الشبكة لتلبية مطلبين محددين لخدمات URLLC وmMTC. تُظهر نتائج المحاكاة في MATLAB أن النموذج المقترح يوفر أداءً متفوقًا مقارنةً بالمخططات الحالية، من خلال خفض استهلاك الطاقة بنسبة 26%، وتقليل زمن الوصول بنسبة 4%، وزيادة إجمالي معدل نقل بيانات النظام بنسبة تصل إلى 35%. تُظهر النتائج إمكانات التحسين الهجين القائم على الذكاء الاصطناعي لعمليات انتشار الشبكات الطرفية للجيل الخامس التي تتسم بالكفاءة والاستدامة.
التنزيلات
