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。