面向无线边缘网络差异化时敏服务的饥饿感知多智能体部分卸载方法PA-MAPPO

《Computers》：Starvation-Aware Priority Offloading and Resource Orchestration for Heterogeneous Time-Sensitive Services in Wireless Edge Networks

　　无线边缘网络越来越支持异构时敏服务，其终端竞争有限的通信和计算资源，使得在系统整体效率、优先级感知的服务保障以及饥饿缓解之间取得平衡变得极具挑战性。然而，许多现有的卸载研究主要侧重于平均性能，对任务优先级和长期服务不足缺乏明确的显式建模，这可能会削弱差异化服务的提供能力，并在强优先级偏差下导致低优先级任务陷入饥饿状态。针对这些问题，本文提出了PA-MAPPO——一种在集中训练和分布式执行框架下的感知饥饿的多智能体部分卸载方法。PA-MAPPO联合优化任务卸载比率与传输功率，将任务优先级嵌入环境端调度、本地观测编码及分层奖励塑形中，并引入了一种基于优先级年龄的反饥饿机制：一种有界且指数折扣的类级服务赤字状态，当某一优先级类别持续服务不足时，将触发虚拟优先级补偿。仿真结果表明，在支持差异化服务的基于学习的方法中，PA-MAPPO取得了最低的无加权处理成本（2.59，对比仅采用调度器的MAPPO参考基线的2.68），在评估的各训练种子中保持了单调的优先级排序，并确保补偿机制在闭式延迟界内被激活。归因分析进一步区分了这两层的贡献：环境端调度器建立了服务层级，而完整的优先级感知学习栈则在该层级下实现了资源效率的提升。