10.3979/j.issn.1673-825X.202011250377
一种基于强化学习的车联网边缘计算卸载策略
计算密集型、时延敏感型车载应用的不断涌现导致资源受限的车载终端设备无法在短时间内处理大量的应用任务,而且卸载节点的动态变化特性在复杂多变的车联网场景中会导致任务候选卸载节点存在不确定性.针对上述问题,提出一种基于强化学习的计算卸载策略来实现任务卸载预判和计算资源分配.结合设备链接时间与通信半径等因素制定卸载节点发现机制,通过考虑时延与成本对车联网移动边缘计算卸载系统的影响建立效用函数,并以最大化效用作为优化目标将车联网中的卸载问题转化为优化问题,基于卸载节点发现机制采用Q-learning方法提出一种智能节点选择卸载算法求解优化问题,实现任务的智能卸载.仿真结果表明,在车联网场景中,提出的计算卸载策略可实现更高的系统效用.
车联网、移动边缘计算、计算卸载、强化学习
34
TN919.2
国家自然科学基金;重庆市教委科学技术重点研究项目;重庆市自然科学基金
2022-07-04(万方平台首次上网日期,不代表论文的发表时间)
共10页
525-534