论文摘要
为了解决传统移动边缘计算网络无法很好地支持车辆的高速移动性和动态网络拓扑,设计了车辆多址接入边缘计算网络,实现路边单元和智能车辆的协同计算迁移。在该网络架构下,提出了多址接入模式选择和任务分配的联合优化问题,旨在最大化系统的长期收益,同时满足多样化的车联网应用需求,兼顾系统的能量消耗。针对该复杂的联合优化问题,设计了基于深度增强学习的多址接入协同计算迁移策略,该策略能够很好地克服传统Q-learning算法因网络规模增加带来的维度灾难挑战。仿真结果验证了所提算法具有良好的计算性能。
论文目录
文章来源
类型: 期刊论文
作者: 乔冠华,冷甦鹏,刘浩,黄开胜,吴凡
关键词: 移动边缘计算,多址接入技术,车联网,计算迁移,深度增强学习
来源: 物联网学报 2019年01期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 汽车工业,电信技术,计算机软件及计算机应用
单位: 电子科技大学信息与通信工程学院,北京市交通信息中心,清华大学汽车安全与节能国家重点实验室
基金: 国家自然科学基金资助项目(No.61374189),中央高校基本科研业务费资助项目(No.ZYGX2016J001),教育部—中国移动联合基金资助项目(No.MCM20160304)~~
分类号: TN929.5;TP391.44;U463.6
页码: 51-59
总页数: 9
文件大小: 685K
下载量: 361