基于马尔科夫决策过程的车载边缘计算切换策略

发布时间：2021-07-04 12:01

　　针对车载边缘计算环境中卸载场景的动态变化对计算卸载的影响,提出了一种基于马尔科夫决策过程的计算切换策略,在保证任务完成时间的基础上,对计算卸载的整体过程进行分析,从而进一步降低了计算切换的引入对卸载效果的影响。仿真实验针对计算切换的引入是否有助于提升计算卸载的效果以及如何进一步降低计算切换的引入对计算卸载的影响进行了4种算法的对比,实验结果表明,基于文中提出的计算切换策略,可以提升计算卸载的效率,保证用户的服务体验。 

【文章来源】：计算机工程与科学. 2020,42(05)北大核心CSCD

【文章页数】：7 页

【部分图文】：

车载边缘计算卸载场景

在车载边缘计算环境中,本文将任务的完成时间作为优化目标,在决策时隙变化时根据任务的剩余计算量、代理资源的计算能力、网络链路带宽状态以及用户移动位置对任务完成时间的影响,构建状态转移概率矩阵P,其状态转移概率图如图2所示。根据不同状态下的转移概率,可到的状态转移概率矩阵P为:

表1 参数设置Table 1 Parameter setting 参数名 参数值 参数名 参数值 仿真次数/次 1000 BS覆盖范围率/% 100 RSU服务范围/m 100 ES直接服务范围/m 400 BS数目/个 1 ES数目/个 16 RSU数目/个 64 V数目/辆 10 任务计算量/(MI) [7,9]×106 V计算能力/(MIPS) 82335×0.75 任务数据量/M [60,80] ES计算能力/(MIPS) 82335×1.5 结果数据量/M [40,50] C计算能力/(MIPS) 82335×2 V2V端到端延时/ms [5,15] V2R单跳带宽/(Mbps) 15 V2R端到端延时/ms [20,30] V2B单跳带宽/(Mbps) 2 V2B端到端延时/ms [450,550] E2E单跳带宽/(Mbps) [15,20]由图3可知,MDP算法、METH算法和MCTH算法的任务完成时间分别为74.78 s,89.52 s和86.47 s,相较于MCT算法,分别提升了29.37%,15.45%和18.33%。

【参考文献】：
期刊论文
[1]车载边缘计算环境中的任务卸载决策和优化[J]. 李波,黄鑫,牛力,薛端,白晨青.  微电子学与计算机. 2019(02)
[2]基于马尔科夫决策过程的井下无线基站切换策略[J]. 卫星,陆阳,朱峰,韩江洪.  电子测量与仪器学报. 2018(07)



本文编号：3264750