车载边缘计算的分布式任务复制：性能分析与基于学习的算法
网络与互联网体系结构
2020-02-21 v1 信息论
math.IT
摘要
在车载边缘计算（VEC）系统中，车辆可共享其闲置计算资源以提供云计算服务。车载网络的高度动态环境使得保障任务卸载时延颇具挑战。为此，我们将任务复制引入 VEC 系统，即一个任务的多个副本同时卸载至多辆车，任一副本率先响应即完成任务。首先，刻画了任务副本数对卸载时延的影响，并以闭式近似给出最优任务副本数。基于该解析结果，我们利用组合多臂老虎机理论设计了基于学习的任务复制算法（LTRA），该算法以分布式方式工作并能自动适应 VEC 系统的动态变化。采用真实交通场景评估所提算法的时延性能。结果表明，在我们的仿真设定下，采用优化副本数的 LTRA 相较无任务复制的基准可将平均卸载时延降低逾 30%，同时可将任务完成率由 97% 提升至 99.6%。
引用
@article{arxiv.2002.08833,
title = {Distributed Task Replication for Vehicular Edge Computing: Performance Analysis and Learning-based Algorithm},
author = {Yuxuan Sun and Sheng Zhou and Zhisheng Niu},
journal= {arXiv preprint arXiv:2002.08833},
year = {2020}
}
备注
Submitted to IEEE for possible publication