-
题名一种车载服务的快速深度Q学习网络边云迁移策略
被引量：8
- 1
-
-
作者
彭军
王成龙
蒋富
顾欣
牟玥玥
刘伟荣
-
机构
中南大学计算机学院
中南大学自动化学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第1期58-64,共7页
-
基金
国家自然科学基金(61873353,61672539)~~
-
文摘
智能网联交通系统中车载用户的高速移动,不可避免地造成了数据在边缘服务器之间频繁迁移,产生了额外的通信回传时延,对边缘服务器的实时计算服务带来了巨大的挑战。为此,该文提出一种基于车辆运动轨迹的快速深度Q学习网络(DQN-TP)边云迁移策略,实现数据迁移的离线评估和在线决策。车载决策神经网络实时获取接入的边缘服务器网络状态和通信回传时延,根据车辆的运动轨迹进行虚拟机或任务迁移的决策,同时将实时的决策信息和获取的边缘服务器网络状态信息发送到云端的经验回放池中;评估神经网络在云端读取经验回放池中的相关信息进行网络参数的优化训练,定时更新车载决策神经网络的权值,实现在线决策的优化。最后仿真验证了所提算法与虚拟机迁移算法和任务迁移算法相比能有效地降低时延。
-
关键词
智能网联交通系统
虚拟机迁移
强化学习
深度Q学习网络
-
Keywords
Intelligent transportation system
Virtual machine migration
Reinforcement learning
Deep Qlearning Networks(DQN)
-
分类号
TN929.52
[电子电信—通信与信息系统]
-
