计算机工程

作者：叶佩文, 贾向东, 杨小蓉, 牛春雨

单位：1. 西北师范大学 计算机科学与工程学院, 兰州 730070;2. 南京邮电大学 江苏省无线通信重点实验室, 南京 214215

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

基金：国家自然科学基金（61861039，61561043，61261015）；甘肃省科技计划“无人机关键技术研究”（18YF1GA060）。

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。

来源：2021年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第4期