VANET 中的智能任务卸载：基于混合 AI 方法的低延迟与能效优化
机器学习
2025-04-30 v1 分布式、并行与集群计算
摘要
车辆对等网络（VANETs）是智能交通系统的关键组成部分，使车辆能够将计算任务卸载至附近的路侧单元（RSUs）和移动边缘计算（MEC）服务器，以实现实时处理。然而，VANETs 高度动态的特性引入了诸多挑战，如不可预测的网络条件、高延迟、能源效率低下以及任务失败。为此，本研究提出一种混合 AI 框架，集成监督学习、强化学习与粒子群优化（PSO），用于智能任务卸载与资源分配。该框架利用监督模型预测最优卸载策略，利用强化学习实现自适应决策，利用 PSO 优化延迟与能耗。大量仿真结果表明，所提框架显著降低延迟与能耗，同时提升任务成功率与网络吞吐量。通过提供一种高效且可扩展的解决方案，本框架为增强动态车辆环境中的实时应用奠定了基础。
引用
@article{arxiv.2504.20735,
title = {Intelligent Task Offloading in VANETs: A Hybrid AI-Driven Approach for Low-Latency and Energy Efficiency},
author = {Tariq Qayyum and Asadullah Tariq and Muhammad Ali and Mohamed Adel Serhani and Zouheir Trabelsi and Maite López-Sánchez},
journal= {arXiv preprint arXiv:2504.20735},
year = {2025}
}