一种基于深度强化学习策略的车载计算任务卸载方法。车辆网为车载终端、路测单元以及行人提供无线通信服务，对于延迟的要求较高。当车辆移动速度过快时可能在短时间内经过多个路测单元,最后车辆所在的服务器不是处理计算任务的服务器，计算结果需要经过回程链路传递，同时由于MEC服务器计算资源有限，需要消耗大量等待时间。基于这一情景，本发明方法车辆根据MEC的状态，将任务卸载到负载最低的MEC服务器，计算结果不再通过I2I的方式传递而是采用代价更低的V2V的方式完成，以节省任务传输和等待时延，同时采用深度强化学习策略来解决加权总开销最小化问题。最后通过仿真实验与现有方法的对比，证明了该方法的优越性。
声明：
“基于深度强化学习策略的车载计算任务卸载方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
986
编辑：管理员
来源：北方有色网
咨询细节
