-
公开(公告)号：CN119854871A
公开(公告)日：2025-04-18
申请号：CN202510038904.1
申请日：2025-01-10
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于深度强化学习的RSU辅助车联网多跳任务卸载优化方法，属于边缘计算与任务卸载技术领域。本发明的步骤为：一、根据道路环境，RSU的传感器主动感知道路信息，生成感知任务；二、根据不同的任务卸载节点建立卸载时延模型和卸载成本模型，然后根据建立的卸载时延模型和卸载成本模型构建用于卸载决策的目标函数；三、根据目标函数，将任务决策问题转化为马尔可夫决策过程问题，选取使得任务处理时延和任务处理成本最小的计算卸载节点；四、利用A3C算法实现任务处理时延和任务处理成本的共同优化，得到最优任务决策。本发明实现了车辆移动下的多跳任务卸载，合理利用了RSU通信范围外的计算资源，且保证了通信链路质量。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
