基于动态编程框架的车联任务卸载： successive action improvement 方法

本文提出一种新的动态编程框架，用于优化具有随机速度的车辆任务卸载。在由多个车辆和基站 (BS) 组成的车联网中，对车辆的计算任务通过 BS 卸载至边缘服务器。由于速度随机，车辆相对于时间的确切位置，即轨迹，无法提前确定。因此，本文不采用确定性优化方法，而将单元关联、上行时隙和多车吞吐量分配在任务卸载期间建模为有限时序马尔可夫决策过程。为求解低复杂度算法，本文提出两时刻框架：将调度周期划分为超时隙，每个超时隙进一步划分为若干时隙。在每个超时隙开始时，首先通过确定性优化获取单元关联、上行时隙和吞吐量分配的参考调度方案，得到对最优值函数的近似。在超时隙内部，实际的每个时隙调度动作通过根据系统状态对近似值函数进行改进来确定。由于采用 successive improvement 框架，可推导出非平凡的平均成本上界。在仿真中，车辆的随机轨迹由高保真交通仿真器生成。仿真结果表明，所提出的调度框架相对于基线方法具有显著的性能提升。