首页|期刊导航|吉林大学学报(理学版)|动态车联网中的任务卸载策略

动态车联网中的任务卸载策略OA

中文摘要

为解决动态车联网(Internet of Vehicles,IoV)环境中的任务卸载决策问题,首先,提出一个由车辆、多个边缘服务器和云服务器组成的三层任务卸载网络架构;其次,提出以最小化任务卸载时延和能耗、提高服务质量为目标的任务卸载决策问题(task offloading decisions problem with the aim of minimizing latency,energy consumption,and enhancing service quality,TOD-LEQ);再次,将TOD-LEQ建模为Markov决策过程(Markov decision process,MDP)模型;最后,为应对动态变化环境对车联网中任务卸载的影响,提出一种基于元学习的分布式强化学习任务卸载(meta learning-based distributed reinforcement learning task offloading,ME-DRO)算法,该算法可在多线程中执行,以寻求最优的任务卸载决策.仿真实验结果表明,ME-DRO算法在时延、服务质量和收敛速度方面明显优于其他基线算法.

郑先锋;王丽艳;李汶蔚;冯浩

重庆移通学院大数据与计算机科学学院,重庆401520 公共大数据安全技术重庆市重点实验室,重庆401420重庆移通学院大数据与计算机科学学院,重庆401520 公共大数据安全技术重庆市重点实验室,重庆401420重庆邮电大学通信与信息工程学院,重庆400065山西财经大学信息学院,太原030006

信息技术与安全科学

车联网任务卸载Markov决策过程元学习

《吉林大学学报(理学版)》 2026 (5)

P.1162-1172,11

国家自然科学基金(批准号:62402298)山西省基础研究计划资助项目(批准号:202403021212167)山西省高等学校科技创新项目(批准号:Z48019)。

10.13413/j.cnki.jdxblxb.2025274

评论