车联网云中基于强化学习的资源供给
网络与互联网体系结构
2018-05-29 v1
摘要
本文简要介绍了涵盖迄今已提出的各种车联网云模型的车联网云视图。本质上，它们都将传统云及其效用计算功能扩展到车载自组织网络(VANET)中的各个实体。这些实体包括固定的路边单元(RSUs)、嵌入车辆中的车载单元(OBUs)以及驾驶员和乘客的个人智能设备。这些实体累积起来产生了丰富的处理、存储、感知和通信资源。然而，车联网云需要新颖的资源供给技术，以应对(i)资源需求动态变化和(ii)严格QoS要求的固有挑战。在本文中，我们展示了基于强化学习的技术在车联网云资源供给中的优势。这些学习技术能够感知长期收益，并且非常适合于最小化车联网云资源供给的开销。
引用
@article{arxiv.1805.11000,
title = {Reinforcement Learning for Resource Provisioning in Vehicular Cloud},
author = {Mohammad A. Salahuddin and Ala Al-Fuqaha and Mohsen Guizani},
journal= {arXiv preprint arXiv:1805.11000},
year = {2018}
}
备注
8 pages, 6 figures