面向车辆边缘计算的知识引导注意力式学习
材料科学
2025-06-06 v1
摘要
车辆边缘计算 (VEC) 通过在路边单元 (RSU) 或基站部署计算资源，将大量计算资源带到车辆附近，从而实现对计算密集型和延迟敏感应用的支持。现有的任务卸载策略往往计算昂贵或生成次优解。本文提出一种新颖的学习方法——知识引导注意力式任务卸载 (KATO)，旨在高效地将移动车辆的任务卸载到附近的 RSU。KATO 集成了基于注意力机制的编码器-解码器模型，用于选择可减少总体任务处理时间的 RSU 子集，同时包含一种高效的迭代算法用于在所选 RSU 之间计算最优任务分配。仿真结果表明，KATO 在计算开销显著降低的同时实现了最优或近似最优性能，并在规模和配置各异的网络中表现出良好的概括性。
引用
@article{arxiv.2506.04455,
title = {Interfacial Energy Gradients Drive Coalescence of Supported Nanoparticles},
author = {Cheng-Yu Chen and Duncan Burns and Peter W. Voorhees and Eric A. Stach},
journal= {arXiv preprint arXiv:2506.04455},
year = {2025}
}