基于深度强化学习的车载边缘计算功率分配方法

作     者：邱斌 王云霄 肖海林 QIU Bin;WANG Yunxiao;XIAO Hailin

作者机构：桂林理工大学信息科学与工程学院桂林541004 广西嵌入式技术与智能系统重点实验室桂林541004 湖北大学计算机与信息工程学院武汉430062 

基　　金：国家自然科学基金项目(62341117) 广西重点研发计划项目(桂科AB23026034,桂科AB23075175) 湖北省高等学校优秀中青年科技创新团队计划项目(T2021001) 

出 版 物：《北京邮电大学学报》 (Journal of Beijing University of Posts and Telecommunications)

年 卷 期：2024年第47卷第2期

页      码：81-89页

摘      要：针对车载边缘计算环境下车辆移动引起的车载时变信道和任务随机到达问题,提出了一种基于深度强化学习的计算卸载和功率分配方法。首先,设计了双向车道场景下基于非正交多址的“端-边-云”三层卸载模型;接着,结合该模型的通信、计算、缓存资源以及车辆的移动性,进一步确立了车载用户功率和缓存延迟长期累积总成本最小化的联合优化问题;最后,考虑到车载边缘计算网络的动态、时变和随机特性,提出了基于深度确定性策略梯度的分布式智能算法,以获取最优功率分配机制。仿真实验结果显示,相较于传统方法,所提方法在减少总成本方面具有显著优势。

主 题 词：车载边缘计算 计算卸载 功率分配 服务缓存 深度确定性策略梯度 

学科分类：080904[080904] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 080402[080402] 0804[工学-材料学] 081001[081001] 

核心收录：

D　O　I：10.13190/j.jbupt.2023-032

馆 藏 号：203128222...