面向数字双胞胎车联网的车 twin 维护与计算任务处理资源分配
摘要
作为一种前景技术，车联网边缘计算 (VEC) 可以通过在车辆附近部署 VEC 服务器来提供计算和缓存服务。然而，VEC 网络仍面临诸多挑战，如高车辆 mobility。数字双胞胎 (DT)，一种新兴技术，可以通过对物理世界中的对象进行数字建模来预测、估计和分析实时状态。通过将 DT 与 VEC 集成，可以在 VEC 服务器上创建虚拟车辆 DT 来监控车辆的实时运行状态。然而，维持车辆 DT 模型需要持续的 VEC 服务器注意力，而该服务器还需要为车辆提供计算服务。因此，有效地分配和调度 VEC 服务器资源至关重要。本研究聚焦于单个 VEC 服务和多个车辆的通用 VEC 网络，检查由 twin maintenance 和计算 processing 两种类型的延迟引起的延迟。通过将问题转化为 satisfaction functions，我们提出了一个旨在最大化每个车辆资源效用以确定最佳资源分配策略的优化问题。鉴于该问题的非凸性，我们采用多智能体 Markov decision process 来重新表述问题。随后，我们提出了一种 twin maintenance 和计算任务处理资源协作调度 (MADRL-CSTC) 算法，利用多智能体深度强化学习。通过与备选算法的实验比较，结果表明我们提出的方法在资源分配方面是有效的。
引用
@article{arxiv.2407.07575,
title = {Resource Allocation for Twin Maintenance and Computing Task Processing in Digital Twin Vehicular Edge Computing Network},
author = {Yu Xie and Qiong Wu and Pingyi Fan and Nan Cheng and Wen Chen and Jiangzhou Wang and Khaled B. Letaief},
journal= {arXiv preprint arXiv:2407.07575},
year = {2025}
}
备注
This paper has been accepted by IEEE Internet of Things Journal. The source code has been released at:https://github.com/qiongwu86/Resource-allocation-for-twin-maintenance-and-computing-tasks-in-digital-twin-mobile-edge-network