一种车辆任务卸载的动态改进框架
系统与控制
2025-01-22 v1 网络与互联网体系结构
系统与控制
摘要
本文通过一种新颖的动态改进框架，优化了来自随机速度车辆的任务卸载。具体而言，在具有多辆车和多个基站的车联网中，车辆的计算任务通过基站卸载到边缘服务器。由于速度随机，车辆的确切轨迹无法提前预测。因此，与确定性优化不同，我们将一个任务卸载周期内多辆车的基站关联、上行时间和吞吐量分配建模为有限时域马尔可夫决策过程。在所提出的求解框架中，我们首先通过初始时刻的确定性优化获得基站关联、上行时间和吞吐量分配的参考调度方案。然后，利用该参考调度方案来近似Bellman方程的值函数，并根据当前系统状态和近似值函数在每个时隙确定实际调度动作。因此，消除了传统求解中值迭代的密集计算。此外，为所提出的求解框架提供了一个非平凡的平均成本上界。在仿真中，车辆随机轨迹由高保真交通模拟器生成。结果表明，所提出的调度框架相对于基线方法具有显著的性能增益。
引用
@article{arxiv.2501.11333,
title = {A Dynamic Improvement Framework for Vehicular Task Offloading},
author = {Qianren Li and Yuncong Hong and Bojie Lv and Rui Wang},
journal= {arXiv preprint arXiv:2501.11333},
year = {2025}
}