智能网联汽车计算卸载与边缘缓存联合优化策略

摘要：

为了保障智能网联汽车的低时延通信,利用蜂窝车联网中V2X(vehicle to everything)信道模型、边缘计算技术,研究计算卸载与边缘缓存联合优化策略.设计了一种智能网联汽车计算卸载与边缘缓存协同模型L-DDPG(least-deep deterministic policy gradient),通过对车载本地与边缘计算资源的整合,支持V2X场景下对不同计算任务的分类处理.由边缘平台对车载计算请求进行预判决,确保对连续的计算任务快速响应;结合基于最近最少使用(least recently used LRU)的边缘缓存策略,实现对新计算任务的高效管理;基于DDPG算法对计算卸载与边缘缓存进行联合卸载决策.仿真结果表明:L-DDPG模型性能优于传统模型,能够有效提升系统的工作效能,在保障业务服务质量的同时降低时延和系统资源消耗.

关键词：智能网联汽车、V2X(vehicle to everything)、多接入边缘计算、深度强化学习、计算卸载、边缘缓存

所属期刊栏目：35

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江苏省重点研发计划;江苏省六大人才高峰高层次人才培养;中国博士后科学基金面上资助项目;江苏省博士后科研资助计划

在线出版日期：2023-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1203-1214