Resumen: Internet de Agentes (IoA) está ganando rápidamente importancia como arquitectura fundamental para sistemas inteligentes interconectados, diseñados para facilitar el descubrimiento, la comunicación y el razonamiento colaborativo sin problemas entre una vasta red de agentes de Inteligencia Artificial (IA). Impulsado por modelos de lenguaje grande y visión-lenguaje, IoA permite el desarrollo de agentes interactivos y racionales capaces de una cooperación compleja, yendo mucho más allá de los modelos aislados tradicionales. IoA involucra entidades físicas, es decir, agentes inalámbricos (WA) con recursos integrados limitados, que necesitan descargar sus servicios de IA agentes de computación intensiva a servidores cercanos. Dichos servidores pueden ser Agentes Móviles (MA), por ejemplo, agentes de vehículos, o Agentes Fijos (FA), por ejemplo, agentes de unidades finales. Dadas sus ubicaciones geográficas fijas y su conectividad estable, las FA pueden servir como puertas de enlace de comunicación confiables y puntos de agregación de tareas. Esta estabilidad les permite coordinarse y descargar de manera efectiva con un nivel de Agente aéreo (AA), lo que tiene una ventaja que no es asequible para MA altamente móviles con limitaciones de conectividad dinámica. Como tal, proponemos un enfoque de optimización de dos niveles. El primer nivel emplea un juego Stackelberg de múltiples líderes y múltiples seguidores. En el juego, las AM y las FA actúan como líderes que fijan los precios de los recursos. Los WA son los seguidores para determinar las tasas de descarga de tareas. Sin embargo, cuando las FA se sobrecargan, pueden descargar aún más tareas a los recursos aéreos disponibles. Por lo tanto, el segundo nivel introduce un modelo de subasta holandesa doble en el que las FA sobrecargadas actúan como compradores para solicitar recursos y las AA actúan como vendedores para el suministro de recursos. Luego desarrollamos un algoritmo de aprendizaje por refuerzo profundo basado en difusión para resolver el modelo. Los resultados numéricos demuestran la superioridad de nuestro esquema propuesto para facilitar la descarga de tareas.
Publicado originalmente en export.arxiv.org el 30 de noviembre de 2025.
Ver fuente original
