面向车联网的多智能体强化学习边云协同卸载

摘要：

车联网边缘计算是实现车联网系统低时延和高可靠性的关键技术,但现有方法普遍存在场景趋同和系统建模局限的问题,同时包含复杂的训练过程并面临维灾风险.通过结合云计算技术,提出一种基于多智能体强化学习的边云协同卸载方案.依据随机几何理论计算卸载节点覆盖概率,对车辆节点与卸载对象进行预配对.利用线性Q函数分解方法反映每个智能体多效用因子与任务决策间的映射关系,通过云端协同机制将智能体决策记录作为经验上传到云端,并在云端将训练更完备的神经网络反馈到边缘节点.仿真结果表明,该方案在功耗和延时方面性能优于单一固定边缘的计算策略,且算法复杂度较低,能够有效提升边云协同卸载能力,实现低时延、高可靠的任务卸载.

关键词：车联网、多智能体强化学习、随机几何理论、边云协同计算、任务卸载策略、资源分配

所属期刊栏目：47

分类号：TN929.5

资助基金：国家自然科学基金;甘肃省科技计划"无人机关键技术研究"

在线出版日期：2021-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：13-20