基于拍卖的空中RIS辅助AIoT中的AI计算任务分配

《IEEE Journal of Selected Areas in Sensors》：Auction-Based AI Computing Task Assignment in Aerial RIS-Assisted AIoTs

　　

摘要：

随着人工智能物联网（AIoT）与第六代（6G）网络日益融合，使分布式AIoT设备能够协同执行人工智能（AI）计算任务已成为边缘智能的关键范式。然而，协同AIoT系统的性能通常受限于低质量无线链路和异构AIoT设备的自利行为。为应对这些挑战，本文提出了一种基于反向拍卖的、在空基可重构智能表面（ARIS）辅助的AIoT系统中的AI任务分配方案。首先，我们构建了一个系统框架，包含任务发布平台（TPP）、分布式AIoT设备以及搭载在无人机（UAV）上的ARIS以增强传输质量。随后设计了反向拍卖机制，其中AIoT设备作为卖家提交基于成本的投标，TPP选择合适的设备执行具有特定延迟和精度要求的AI任务。为解决所建立的TPP效用最大化问题，我们提出了一种交替优化框架，该框架集成了用于ARIS反射系数优化的罚双分解（PDD）方法和基于图论的拍卖（GTA）算法用于任务分配。进一步采用了关键支付策略以确保真实性和个体理性。最后，仿真结果表明，与现有基准相比，所提方案提高了系统效用，提供了有效激励，并显著降低了传输延迟。