基于云边协同算力调度的高效边缘卸载研究

作者：王姗姗; 罗志勇

来源：无线电通信技术, 2023, 49(01): 56-62.

DOI：10.3969/j.issn.1003-3114.2023.01.007

• 通信感知计算融合
• 云边协同
• 车载边缘计算
• 深度Q网络
• 计算卸载
• 算力网络

为了满足车载边缘计算网络(Vehicular Edge Computing, VEC)中低时延、高可靠、高传输速率等极致性能需求，亟需突破现有传统车联网中通信感知计算相互割裂的现状，基于云边端一体化与智能协同等算力网络技术设计一种高效的任务卸载策略成为解决方案。为此，提出一种云边协同智能驱动车载边缘算力网络架构，通过结合实时计算负载与网络状态条件，充分利用云中心、聚合服务器和MEC服务器的异构计算能力，权衡用户任务卸载策略，实现网络资源的全面协作和智能管理。考虑到计算型任务对时延和能耗的需求，将计算卸载策略建模为在通信与计算资源约束下的最小化长期系统成本的优化问题，并将其转化为马尔可夫决策过程(Markov Decision Process, MDP)。最后，鉴于车载网络的动态和随机特性，提出一种基于云边协同的深度Q网络(Cloud-Edge Collaborative Deep Q-Network, CEC-DQN)的高效计算卸载策略来解决MDP问题。仿真结果表明，与传统单点边缘服务器卸载或随机卸载算法相比，所提出的算法具有较高的性能提升，可有效解决多层次算力网络中节点算力分配不足、不均衡的问题。

• 单位
  中山大学