近日，南方科技大学电子与电气工程系副教授王锐课题组与计算机科学与工程系副教授郝祁课题组合作，在移动边缘计算领域取得两项重要成果。其中一项成果“Learning Centric Power Allocation For Edge Intelligence”荣获2020年度IEEE国际通信大会（International Conference on Communications，ICC）最佳论文奖。另一项成果“Scheduling for Mobile Edge Computing with Random User Arrivals: An Approximate MDP and Reinforcement Learning Approach”在通信学科权威学术期刊IEEE Transactions on Vehicular Technology上发表。

一、IEEE ICC 2020的最佳论文由南科大、香港大学以及普林斯顿大学共同完成。南科大电子与电气工程系、计算机科学与工程系研究助理教授王帅为第一作者，合作作者为南科大电子与电气工程系副教授王锐、南科大计算机科学与工程系副教授郝祁、香港大学电气与电子工程系副教授胡奕聪，以及普林斯顿大学电气工程系教授H. Vincent Poor。该工作得到国家自然科学基金，深圳市基础研究面上项目基金，广东省自然科学基金以及美国国家科学基金的资助。IEEE国际通信会议是IEEE通信学会两大重要旗舰会议之一，今年从2000余篇稿件中精选出800余篇专题论文，再由执行委员会从专题论文中评选出最佳论文奖。

图1. 边缘智能系统

边缘智能系统是一种融合感知、通信与计算功能，支持多种机器学习任务的新型网络架构。边缘智能系统中的数据交互量非常大，因此其在通信方面的一个基本科学问题是：如何利用有限的时间、空间、功率、速率等无线资源，在信道因衰落和干扰而起伏变化的情况下，为网络内的信息交互任务分配可用资源。现有的无线资源管理方法忽视了数据价值与学习任务的差异性，导致学习效率较低。针对上述问题，王锐与郝祁课题组设计了一种基于统计力学的评估信息学习价值的方法，并揭示了不同任务的学习性能与无线资源之间的函数关系。通过渐进分析发现，最优的无线信号发射功率与无线信道质量服从反比关系，与学习曲线参数服从指数关系。本成果探索了无线通信领域的新研究方向，为机器学习、无线通信以及运筹优化学科的交叉融合搭建了桥梁。

二、发表在IEEE Transactions on Vehicular Technology上的论文研究了多用户移动边缘计算资源调度技术。

图2. 移动边缘计算网络

移动边缘计算是一种新型的网络架构，它可以用来应对高计算强度任务与移动终端有限的计算能力和电池寿命之间的矛盾，在5G/B5G、车联网、智慧城市中扮演着重要角色。移动边缘计算的基本原理是将传统云计算的计算资源下沉到网络边缘，以降低移动用户访问云计算资源的时延。王锐课题组的研究基于马尔可夫决策和强化学习通过联合优化任务卸载决策，上行传输用户选择以及用户传输功率来最小化用户能量消耗和时延。

不同于现有工作，该研究工作考虑了新用户的随机出现和离开，即系统中的用户数量和位置是不确定的。这使得传统的用来解决马尔科夫决策过程的“维度灾难”的近似算法，比如线性近似等方法不再适用。为此，本文提出了一种新型的近似马尔可夫决策框架，并基于该框架提出一种低复杂度、高收敛速率的强化学习算法以解决上述优化问题，并给出了该算法性能的理论下界。

该论文由南方科技大学与香港大学共同完成。第一作者为南科大-港大联培博士生黄山峰，通讯作者为南科大电子与电气工程系副教授王锐，合作作者为南科大-哈工大联培硕士生吕博杰以及港大电气电子工程系副教授黄凯宾。该工作得到国家自然科学基金以及广东省自然科学基金的资助。