车载边缘计算网络中基于多智能体强化学习的车速感知计算任务卸载与资源分配
网络与互联网体系结构
2020-08-20 v2 信号处理
摘要
对于车载应用，不同车速的车辆具有不同的时延需求。然而，车速尚未被充分研究，这可能导致车速与其所分配的计算和无线资源之间的不匹配。本文提出一种车速感知的任务卸载与资源分配策略，以在不超出时延约束的前提下降低任务执行的能耗。首先，我们基于不同车速和任务类型建立车速感知的时延约束模型。然后，计算在VEC服务器和本地终端上执行任务的时延与能耗。接着，我们构建任务卸载与资源分配的联合优化问题，以在时延约束下最小化车辆能耗。采用MADDPG方法获得卸载与资源分配策略。仿真结果表明，我们的算法在能耗和任务完成时延方面均能取得优越性能。
引用
@article{arxiv.2008.06641,
title = {Vehicle Speed Aware Computing Task Offloading and Resource Allocation Based on Multi-Agent Reinforcement Learning in a Vehicular Edge Computing Network},
author = {Xinyu Huang and Lijun He and Wanyue Zhang},
journal= {arXiv preprint arXiv:2008.06641},
year = {2020}
}
备注
8 pages, 6 figures, Accepted by IEEE International Conference on Edge Computing 2020