申请/专利权人：华侨大学

申请日：2024-01-22

公开（公告）日：2024-04-12

公开（公告）号：CN117880891A

主分类号：H04W28/08

分类号：H04W28/08;H04B17/382;H04B17/391;H04W4/44;G06N3/092;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种车联网中基于Rainbow算法的计算卸载与资源分配方法及装置，包括：构建车联网系统，根据车联网系统构建任务模型和通讯模型，根据任务模型和通讯模型构建总任务时延模型和总能耗模型，根据总任务时延模型和总能耗模型构建优化模型；根据优化模型建立马尔可夫决策过程，构建包括当前网络和目标网络的多智能体强化学习模型；基于马尔可夫决策过程采用Rainbow算法对多智能体强化学习模型进行训练，得到经训练的目标网络，将经训练的目标网络部署在智能体上；获取智能体与环境交换获得的当前的状态，将当前的状态输入经训练的目标网络，得到对应的动作，根据动作确定任务的卸载策略与资源分配策略，能够有效缓解资源不足及车辆移动性问题。

主权项：1.一种车联网中基于Rainbow算法的计算卸载与资源分配方法，其特征在于，包括以下步骤：构建车联网系统，所述车联网系统包括产生任务的本地车辆、路边单元和边缘服务器，假设每个路边单元上部署一个边缘服务器，根据所述车联网系统构建任务模型和通讯模型，根据任务模型和通讯模型构建总任务时延模型和总能耗模型，根据所述总任务时延模型和总能耗模型构建优化模型；根据所述优化模型建立马尔可夫决策过程，将所述本地车辆和边缘服务器视为智能体，构建多智能体强化学习模型，所述多智能体强化学习模型包括当前网络和目标网络；基于马尔可夫决策过程采用Rainbow算法对所述多智能体强化学习模型进行训练，得到经训练的目标网络，将所述经训练的目标网络部署在所述智能体上；获取所述智能体与环境交换获得的当前的状态，将所述当前的状态输入所述经训练的目标网络，得到对应的动作，根据所述动作确定所述任务的卸载策略与资源分配策略。

全文数据：

权利要求：

百度查询： 华侨大学 车联网中基于Rainbow算法的计算卸载与资源分配方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD