计算机工程

作者：张冀, 龚雯雯, 朵春红, 齐国梁

单位：1. 华北电力大学(保定)计算机系, 河北 保定 0710032. 华北电力大学(保定)河北省能源电力知识计算重点实验室, 河北 保定 071003

关键词：车联网,边缘计算,空闲车辆云,双层卸载机制,单调值函数分解

基金：河北省省级科技计划资助(22310302D); 中央高校基本科研业务费专项资金(2021MS086)

在车联网(IoV)边缘计算环境中, 针对如何高效地进行任务卸载和资源分配来缓解移动车辆存储和计算能力有限的问题, 提出多智能体与双层卸载的IoV卸载算法。首先, 提出移动边缘计算(MEC)服务器与车辆以及空闲车辆(MEC-V-NTVC)互联的3层网络模型, 建立了任务模型、判断模型和计算模型; 其次, 将任务车辆的计算卸载以及资源分配抽象成部分可观测马尔可夫决策过程(POMDP), 并提出双层卸载机制以达到最小化系统总成本的目的。基于空闲车辆云以及单调值函数分解QMIX, 提出一种基于双层卸载机制的深度强化学习卸载算法DLSQMIX。该算法协调任务车辆、空闲车辆以及环境信息, 在考虑车辆任务时间约束的情况下, 充分利用MEC服务器以及空闲车辆的计算能力, 求得系统最优卸载决策。从边缘服务器、空闲车辆的计算能力、任务车辆、空闲车辆的数量以及平均任务量等方面对系统开销和时延进行对比。仿真实验结果表明, DLSQMIX算法能够有效求解任务卸载问题, 与遗传算法(GA)、粒子群优化(PSO)算法以及QMIX算法相比, 所提算法的系统开销减小2.52%~3.91%, 时延降低3.50%~6.59%。

来源：2024年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第8期