公开(公告)号：CN107145387A

公开(公告)日：2017-09-08

申请号：CN201710367333.1

申请日：2017-05-23

Applicant: 南京大学

Inventor： 窦万春 ,  费凡

IPC: G06F9/48 ,  G06F9/50 ,  G06F9/54 ,  G06N3/06 ,  G06N3/08 ,  H04L29/08

Abstract: 本发明公开了一种车载网环境下基于深度强化学习的任务调度方法，包括以下步骤：步骤1：获取每一个路侧单元覆盖范围内的车流量数据；步骤2：获取每一个路侧单元的负载数据，并将此数据以多播形式传递给其他路侧单元；步骤3：构架深度神经网络，对相关变量进行初始化；步骤4：初始时间内，对于范围内到达的请求，随机选择在本地执行或者负载到任意其他路侧单元执行记录请求从到达到完成的时间；步骤5：当步骤4收集的数据到达一定规模，对神经网络进行更新；步骤6：对于新到达的请求，根据各区域车流量以及各路侧单元的负载，使用更新过的神经网络进行分配；步骤7：收集数据，重复执行步骤5～6。

公开(公告)号：CN107145387B

公开(公告)日：2019-09-10

申请号：CN201710367333.1

申请日：2017-05-23

Applicant: 南京大学

Inventor： 窦万春 ,  费凡

IPC: G06F9/48 ,  G06F9/50 ,  G06F9/54 ,  G06N3/06 ,  G06N3/08 ,  H04L29/08

Abstract: 本发明公开了一种车载网环境下基于深度强化学习的任务调度方法，包括以下步骤：步骤1：获取每一个路侧单元覆盖范围内的车流量数据；步骤2：获取每一个路侧单元的负载数据，并将此数据以多播形式传递给其他路侧单元；步骤3：构架深度神经网络，对相关变量进行初始化；步骤4：初始时间内，对于范围内到达的请求，随机选择在本地执行或者负载到任意其他路侧单元执行记录请求从到达到完成的时间；步骤5：当步骤4收集的数据到达一定规模，对神经网络进行更新；步骤6：对于新到达的请求，根据各区域车流量以及各路侧单元的负载，使用更新过的神经网络进行分配；步骤7：收集数据，重复执行步骤5～6。