设计应用

一种基于深度强化学习的任务卸载方法

作者：高宇豆1，2，黄祖源1，王海燕1，保富1，张航1，李辉1

发布日期：2022-08-09

来源：2022年电子技术应用第8期

0 引言

车联网(Internet of Vehicle，IoV)是车载网(Vehicular Ad hoc Network，VANET)和物联网(Internet of Things，IoT)的深度融合，旨在提高车辆网络的性能，降低交通拥堵的风险^[1]。在车联网中，许多车辆应用不仅需要大量的计算资源，还对响应时间有严格的要求^[2]。但是，车辆是计算资源和通信能力有限的装置。对于这些计算密集、延迟敏感的应用，车辆无法提供足够的计算和存储资源^[3]。

为应对车载应用所需的大量计算资源，云计算被视为一种可行的解决方案。在云计算环境下，车辆可以通过无线网络将计算密集型应用卸载到云上运行。这种端-云协作的计算模式很好地扩展了车辆的计算能力^[4]。

然而，对于计算密集、延迟敏感的应用，端-云协作的计算模式是不够的。因为，远程任务卸载带来的高传输延迟会降低用户体验^[3]。为解决此问题，将车联网和边缘计算相结合的车辆边缘计算，被认为是满足低延迟的更好解决方案^[5]。

本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004645。

作者信息：

高宇豆1，2，黄祖源1，王海燕1，保富1，张航1，李辉1

(1.云南电网有限责任公司信息中心，云南昆明650214；2.西南林业大学大数据与智能工程学院，云南昆明650224)