-
题名车联网的服务缓存和任务迁移机制
- 1
-
-
作者
左琳立
夏士超
李云
潘俊男
陈冰旖
-
机构
重庆邮电大学通信与信息工程学院
重庆电子科技职业大学通信工程学院
重庆邮电大学计算机科学与技术学院
-
出处
《电子与信息学报》
北大核心
2025年第8期2563-2572,共10页
-
基金
国家自然科学基金(62301099,62071077)
重庆市自然科学基金(CSTB2024NSCQ-QCXMX0063,cstc2024ycjh-bgzxm003)
重庆市教育委员会科学技术项目(KJQN202203122,KJQN202300638)。
-
文摘
近年来,随着车联网(IoV)应用的迅猛增长,为满足其对低时延和高效率计算服务需求,并缓解回程链路的传输压力,移动边缘计算(MEC)技术被广泛应用于车联网领域。然而,车辆高移动性使得边缘服务缓存和任务迁移的实现具有很强的挑战性。为此,针对车联网动态环境的特点,该文提出一种适应车联网动态环境特性的服务缓存和任务迁移联合优化算法(SCTMA),基于多智能体深度确定性策略梯度方法,在考虑车辆用户与路边单元(RSU)及基站之间交互不确定性的前提下,对边缘服务缓存和任务迁移进行联合优化。仿真结果表明,所提算法能降低缓存和任务迁移成本,提高缓存命中率。
-
关键词
车联网
服务缓存
任务迁移
多智能体深度强化学习
-
Keywords
Internet of Vehicles(IoV)
Service caching
Task migration
Multi-agent deep reinforcement learning
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
