科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对路边基础设施受损或失效情况下卸载任务无法被执行的状况，提出令拥有丰富计算资源的路边停放车辆彼此合作，执行车联网中移动车辆产生的计算密集型任务。在把一条道路的路边停放车辆组织成停车簇后，首先分析各卸载任务所需最佳资源量，接着提出基于深度强化学习(Deep Reinforcement Learning， DRL)的计算任务分块卸载算法，将任务划分为多个子任务后由多个停放车辆并行执行，以最小化任务执行延迟和执行任务能耗开销构成的总成本。大量仿真结果表明，本文所提算法的任务执行完成率大大高于其他对比算法，且具有最低的任务执行成本开销。
-
单位天津师范大学; 天津中德应用技术大学
