基于NOMA-MEC的车联网任务卸载、迁移与缓存策略

摘要：

在移动边缘计算(MEC)与非正交多路接入(NOMA)技术相结合的车联网系统中,针对用户处理计算密集型和时延敏感型任务时面临的高时延问题,提出了一种基于博弈论和Q学习的任务卸载、迁移与缓存优化策略.首先,对基于NOMA-MEC的车联网任务卸载时延、迁移时延与缓存时延进行建模;其次,采用合作博弈算法获得最优用户分组,以实现卸载时延优化;最后,为避免出现局部最优,通过Q学习算法优化用户分组中的迁移缓存联合时延.仿真结果表明,所提方案相比对比方案,能有效提升卸载效率并降低约22％～43％的任务时延.

关键词：车联网;移动边缘计算;非正交多路接入

所属期刊栏目：49

分类号：TN929

资助基金：国家自然科学基金;国家自然科学基金;长江学者;创新团队发展计划基金资助项目;重庆市基础与前沿项目;重庆市留创计划创新类资助项目

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：304-311