车辆边缘计算网络的数字孪生：任务卸载与资源分配

随着互联网车辆上多个应用需求的增加，车辆需要实时完成多个计算任务。然而，由于车辆自身计算能力不足，将任务卸载至车辆边缘计算(VEC)服务器并为任务分配计算资源成为挑战。本文建立了一个多任务车辆边缘计算网络的数字孪生系统。通过利用数字孪生技术为每个车辆在单个时间槽内开发任务卸载策略和资源分配策略，构建了一个优化问题。为解决该问题，我们提出一种用于任务卸载和资源分配的多主体强化学习方法。大量实验表明，我们的方法在多个基准算法比较下效果有效。