科研之友
微信
新浪微博
Facebook
分享链接
摘要
车辆边缘计算通过计算卸载提高车辆的计算能力。现存卸载任务分配策略没有同时考虑数据安全性、卸载任务优先级、计算资源释放和激励车辆共享计算资源，难以适应动态车辆环境。对此，研究分布式车对车计算卸载问题，建立马尔科夫决策过程，设计了基于深度强化学习的计算卸载最优任务分配策略，利用动态定价来激励车辆共享计算资源，考虑卸载任务优先级和计算资源释放机制。同时，将卸载方案嵌入到区块链中，通过建立车联网区块链的身份认证机制，对车辆信息、任务信息、交易信息等敏感信息进行加密处理，实现保障数据安全性的需求。仿真实验结果验证了所提出方法的性能，与其他算法相比，在节省了10.28%训练时间的情况下，将系统平均效益至少提高了9.58%。
- 单位
