基于强化学习的车辆服务迁移方法

摘要：

近年来,随着中国对于车联网发展战略的落实,基础设施与车联应用服务规模不断增加,车联应用服务对于资源的需求越来越高,现有车辆配备的有限计算资源已无法满足需求,需要将服务迁移到路侧单元,以提供充足的计算资源并降低服务时延.本文在车辆边缘计算场景下,提出了一种基于强化学习的车辆服务迁移方法,以降低服务的延迟与能耗.首先为迁移过程中可能产生的成本建模,并把服务迁移问题规约为马尔可夫决策问题,通过应用深度强化学习算法以降低迁移产生的成本.实验结果表明,提出的算法优于基线算法,在高速环境下具有相对较强的鲁棒性.

关键词：车联网、车辆边缘计算、服务迁移、强化学习

所属期刊栏目：13

分类号：TP393.09(计算技术、计算机技术)

资助基金：软硬件协同设计技术与应用教育部工程研究中心OP202202

在线出版日期：2023-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-6,12