计算机工程

作者：王聪, 刘帅, 左明敏

单位：1. 东北大学秦皇岛分校计算机与通信工程学院, 河北 秦皇岛 0660042. 东北大学计算机与通信工程学院, 辽宁 沈阳 110819

关键词：车联网,边缘计算,任务卸载,深度强化学习,隐式分位数网络

基金：河北省自然科学基金(F2022501025); 河北省重大科技支撑计划(242Q1602Z)

随着物联网(IoT)和无线技术的迅猛发展, 车辆面临着前所未有的计算资源需求挑战。为了应对这些挑战, 研究车辆边缘计算(VEC)场景中的任务卸载问题, 提出一种基于隐式分位数网络(IQN)的动态任务卸载策略。首先, 对VEC系统进行建模, 将任务卸载决策问题构建为一个马尔可夫决策过程(MDP); 然后, 引入一种融合时间优先和噪声增强策略的双分位数强化学习算法, 以实现更加精准的任务卸载。该算法利用IQN对值函数的完整概率分布进行估计, 进而实现对回报分布的连续参数化估计, 有效提升预测和决策的准确性。同时, 算法整合了时序优先经验回放机制和噪声网络, 前者优先重放对学习更有价值的经验, 后者通过引入随机性增强了探索效率。实验结果表明, 与传统算法相比, 该算法能够显著降低整体任务的完成时延, 同时提升任务卸载决策的准确性和系统资源的利用率。研究表明, 通过引入IQN和双分位数强化学习算法, 可以在动态且复杂的车联网(IoV)环境中实现高效的任务卸载。

来源：2025年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第12期