计算机工程

作者：何杰, 马强

单位：西南科技大学信息工程学院, 四川 绵阳 621010

关键词：深度强化学习,任务卸载,蜂窝车联网,软件定义网络,遗传算法

基金：国家自然科学基金(62071170); 西南科技大学博士基金(17zx7158)

无人驾驶、辅助驾驶的快速发展对车辆计算性能提出了较高的要求, 联合移动边缘计算的任务卸载技术可以提供解决方案。然而实现快速、高效的任务卸载决策存在巨大挑战, 同时现有研究对于任务卸载的系统整体效益考虑不足。针对上述问题, 采用车-路-空架构, 设计一种基于软件定义网络(SDN)的蜂窝车联网(C-V2X)分布式任务卸载系统模型, 并提出一种基于深度强化学习的任务卸载控制算法。对任务本地计算、边缘计算、卫星计算3种模式分别构建成本模型, 以用户端车辆能耗、资源租赁费用和服务端任务处理时延、服务器负载均衡性作为联合优化目标构建目标函数。考虑任务最大期望时延、服务器最大负载率等约束, 将任务卸载问题表述为混合整数非线性规划(MINLP)问题, 将其建模为离散-连续混合动作空间的Markov决策过程, 最后基于深度强化学习算法获得关于任务调度、资源租赁、功率控制的任务卸载决策。实验结果表明, 与传统的基于粒子群优化、遗传算法的方案相比, 本文算法在取得相近决策效益的同时, 单次决策时延降低了45%以上。

来源：2024年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第12期