公开(公告)号：CN117793665A

公开(公告)日：2024-03-29

申请号：CN202311805132.7

申请日：2023-12-26

Applicant: 上海工程技术大学

Inventor： 苏圣超 ,  何蓓蓓

IPC: H04W4/40 ,  H04W24/06 ,  H04W28/08

Abstract: 本发明涉及车联网技术领域，尤其是涉及一种车联网计算任务卸载方法及装置。该方法充分考虑邻近服务车辆的剩余可用计算资源，首先采用层次分析法(AHP)对用户车辆产生的任务进行优先级划分；其次，以降低任务的处理时延及提高卸载成功率为优化目标，设计了一种改进的结合注意力机制的序列到序列任务调度模型；最后，通过Actor‑Critic(AC)强化学习算法对该模型进行训练，得到基于AHP‑AC的任务卸载策略优化模型并输出最优的任务卸载及调度策略。与现有技术相比，本发明具有提高任务卸载系统稳定性、降低任务处理时延的同时提高执行成功率等优点。

公开(公告)号：CN119052273A

公开(公告)日：2024-11-29

申请号：CN202411010835.5

申请日：2024-07-26

Applicant: 上海工程技术大学

Inventor： 蔡晔敏 ,  苏圣超 ,  卢卓浩 ,  何蓓蓓

IPC: H04L67/12 ,  G08G1/01

Abstract: 本发明涉及一种基于深度强化学习的车边协同计算任务卸载方法及装置。该方法获取待执行任务序列、初始服务车辆序列和初始服务器序列；划分待执行任务序列的任务优先级，并结合待执行任务序列的属性得到当前的任务序列；基于当前的任务序列、服务车辆序列和服务器序列，利用预先构建的车辆‑车辆协作计算模型和车辆‑服务器协作计算模型进行任务调度，并利用基于IndRNN‑AM的序列到序列模型获取任务卸载策略；基于当前的任务卸载和调度策略，获取当前的任务序列、服务车辆序列和服务器序列，并利用优势动作价值算法训练基于IndRNN‑AM的序列到序列模型，得到最终的任务卸载和调度策略。与现有技术相比，本发明具有提高整个计算卸载系统的稳定性和高效性等优点。