2.2.3 问题公式化

在时隙 t 中，当设备 i 有任务要计算时，它可以将这些任务卸载到其他设备上，也可以在本地处理。对于任务 xi,k，平均任务执行时延可以通过式（2-3）计算

则设备 i 的平均任务完成时间为

其中，是算法已经运行的总时隙。每个设备的目的是最小化其平均任务完成时间，即：

在这里，约束C2.1确保了任务xi,k可以直接分配设备或通过多个中继节点与设备 i建立连接。由于一个设备的任务调度决策可能受到其他设备的影响，因此需要进行一个交易过程，以实现不同设备之间的公平性。通常情况下，可以利用非合作博弈来解决上述问题[5]，即所有设备都应该知道系统状态，以便做出决策。然而，在去中心化的分布式环境中，设备无法获得瞬时的系统状态。因此，本章在系统中使用了多智能体模仿学习，每个智能体不需要知道整个系统的状态，而是根据其局部观测跟随专家的演示来训练策略。