申请/专利权人:合肥工业大学智能制造技术研究院
申请日:2024-03-20
公开(公告)日:2024-04-26
公开(公告)号:CN117939535A
主分类号:H04W28/08
分类号:H04W28/08;H04W4/46;G06N7/01
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明涉及车联网边缘卸载技术领域,公开了一种V2V场景下的依赖任务卸载方法、终端及存储介质。该卸载方法将计算任务中的所有子任务划分为关键子任务和非关键子任务。当卸载关键子任务时,将其复制并卸载给两辆服务车辆;当卸载非关键子任务且卸载失败时,对其进行第二次卸载。然后构建任务车辆与服务车辆之间的运动学模型、通信模型、子任务计算延迟模型、子任务执行优先级模型和链路可靠性模型,建立用于生成最优卸载策略的约束问题。将约束问题建模为马尔科夫决策过程,采用深度强化学习算法对马尔科夫决策过程求解得到最优卸载策略,并按照最优卸载策略将任务车辆需要卸载的计算任务卸载给服务车辆。本发明提升了依赖任务卸载的可靠性。
主权项:1.一种V2V场景下的依赖任务卸载方法,其特征在于,包括以下步骤:S1、将任务车辆计算任务中存在依赖关系的多个子任务的紧迫程度作为划分标准,将计算任务中的所有子任务划分为关键子任务和非关键子任务;其中,当卸载关键子任务时,将关键子任务复制并卸载给两辆服务车辆;当卸载非关键子任务且卸载失败时,对卸载失败的子任务进行第二次卸载;S2、分别构建任务车辆与服务车辆之间的运动学模型、通信模型、子任务计算延迟模型、子任务执行优先级模型和链路可靠性模型,据此建立用于生成最优卸载策略的约束问题;S3、将所述约束问题建模为马尔科夫决策过程,采用深度强化学习算法对马尔科夫决策过程求解得到最优卸载策略,并按照最优卸载策略将任务车辆需要卸载的子任务卸载给服务车辆。
全文数据:
权利要求:
百度查询: 合肥工业大学智能制造技术研究院 一种V2V场景下的依赖任务卸载方法、终端及存储介质
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。