-
公开(公告)号:CN117492864A
公开(公告)日:2024-02-02
申请号:CN202311492867.9
申请日:2023-11-10
申请人: 重庆大学
摘要: 本发明属于车联网技术领域,具体公开了一种基于优先级经验回放和元学习的分布式多智能体任务卸载迁移方法及系统,该方法包括如下步骤:初始化车载计算网络、优先级经验回放缓存池、随机噪声和车载边缘计算系统环境;对于每个智能体,选择动作,计算奖励r和采样优先级;将经验元组存储到优先级经验回放缓存池;当优先级经验回放缓存池内的样本数量达到预设值时,每个智能体根据采样概率在优先级经验回放缓存池中采样,并放入采样缓存池中;计算采样权重和最小损失函数,更新初始网络,通过各智能体的参数更新目标网络参数和全局网络参数。采用本技术方案,调整模型对高优先级经验的依赖程度,并通过元学习优化深度强化学习算法的收敛速度。
-
公开(公告)号:CN116017578A
公开(公告)日:2023-04-25
申请号:CN202310020958.6
申请日:2023-01-07
申请人: 重庆大学
摘要: 本发明提出了一种车联网服务卸载迁移及负载均衡方法、利用该方法的系统,该方法包括:VU获取任务,卸载部分计算密集型任务至该VU连接的MEC服务器;获取该VU卸载任务至MEC的通信延迟放置于该VU进行数据处理的计算密集型任务的本地计算的时延以及被卸载任务在MEC服务器的计算时延构建目标函数,对目标函数进行求解,获取任务卸载比例,以及是否对当前计算任务进行迁移,并以此控制VU和MEC服务器执行。本发明考虑了信道时变和任务随机到达情形下的系统时延优化,既保证了车辆任务在任务容忍时延内的完成率,又优化了提供服务的MEC服务器之间的任务迁移和负载均衡算法,满足了完成计算密集型任务的低时延和缓解计算资源过度负载的需求。
-