个性化云游戏：多目标优化以实现资源利用和视频编码的最优效果

《IEEE Transactions on Cloud Computing》：Personalized Cloud Gaming: Multi-Objective Optimization for Resource Utilization and Video Encoding

云游戏需通过DAVE与MEC结合优化QoE，解决资源竞争和实时编码难题。提出AD-MAPPO算法实现编码配置与物理资源协同优化，突破传统分离式优化瓶颈，依托SDN架构实现动态资源管理，实验验证有效提升整体用户体验。

　　

摘要：

云游戏是当代游戏的重要组成部分。为了提升云游戏的体验质量（QoE），将动态自适应视频编码（DAVE）与多接入边缘计算（MEC）相结合成为了一个自然的选择，因为这种技术具有灵活性，并能可靠地支持实时交互的传输。然而，当多个玩家争夺有限的资源以实现个性化的体验质量（如超高清视频和超低延迟）时，如何有效优化边缘资源成为一个基本且重要的问题。此外，在缺乏关于未来视频和边缘网络资源信息的情况下，实时确定最佳的游戏视频编码配置也面临重大挑战。为了解决这些关键问题，我们通过软件定义网络（SDN）辅助的边缘网络，主动调整视频编码配置和物理资源，从而共同优化视频编码以及计算和通信资源的分配。这消除了由于编码参数配置与物理资源分配分离而导致的性能瓶颈。SDN辅助的边缘网络架构支持高效的按需资源管理，提供全局网络信息，并能满足不断变化的游戏需求。由于视频数据块与物理资源块之间存在显著的时间尺度差异，我们提出了一种新的异步决策多智能体近似策略优化算法（AD-MAPPO），该算法可以通过单一智能体解决信用分配问题。即使在没有先验知识和确定性环境模型的情况下，该算法也能适应高度动态的云游戏环境。基于真实云游戏数据集的广泛实验表明，我们的方法能够显著提升玩家的总体体验质量。

引言

到2025年，游戏产业市场规模将达到2110亿美元[1]，其中1160亿美元将来自移动游戏。随着游戏复杂性的增加，对硬件性能的要求也越来越高，这与玩家对移动设备便携性的需求形成了显著矛盾，从而严重阻碍了游戏产业的发展。云游戏依赖于云端的计算资源，为用户提供按需的游戏体验，是解决这一问题的关键。如图1所示，游戏的逻辑更新和图形渲染都在云端完成。玩家只需发送指令并接收在云端解压后的游戏图像，从而大大减少了对移动设备硬件的依赖。与传统视频流媒体不同，云游戏要求实时交互、亚秒级响应和即时渲染，这对网络连接性和边缘计算资源提出了更高的要求。