公开(公告)号：CN120050625A

公开(公告)日：2025-05-27

申请号：CN202411958358.5

申请日：2024-12-27

Applicant: 南京邮电大学

Inventor： 林可序 ,  刘茜萍

IPC: H04W4/44 ,  H04W4/46 ,  H04W28/084

Abstract: 本发明提供了一种基于分阶段深度强化学习的多边任务卸载优化方法，针对车联网环境下细粒度任务卸载问题，旨在在高度动态的复杂路况下，在保证所有车载任务都能在截止时限内完成的情况下，实时获得一个使指定路段整体细粒度车载任务的总完成时耗较低的决策方案，具体包括以下步骤：1)建立车联网环境下的任务模型、资源模型和计算模型并定义优化问题；2)对所有具有数据依赖关系的车载任务进行层级分割，并对不同层级下的子任务进行优先级计算；3)将数据进行预处理后，利用深度强化学习算法对其进行求解。通过具体的实例证明了所提供方法的可行性和有效性，在与其他几种算法的对比之下，本发明所提供的方法显著地降低了指定路段整体细粒度车载任务的总完成时耗，为实际车联网环境下细粒度任务卸载模式的发展提供了更多的可能。

公开(公告)号：CN118337824A

公开(公告)日：2024-07-12

申请号：CN202410584653.2

申请日：2024-05-11

Applicant: 南京邮电大学

Inventor： 林可序 ,  刘茜萍

IPC: H04L67/12 ,  H04L67/1008 ,  H04L67/1012 ,  H04L67/101

Abstract: 随着移动边缘技术的发展，其在车联网中的运用也逐渐增多，移动边缘技术的出现使得车辆资源受限问题得到了很好的解决。移动边缘技术通过将车载任务卸载到比任务生成车辆计算能力更强的边缘节点中进行计算，极大的减少了车载任务的计算时耗。但是现在仍然存在一个问题，那就是如何确定一种卸载方案，使指定路段上的车载任务整体完成时耗更优。为此，本发明针对指定路段中车载任务卸载分配问题，提出了一种任务卸载全局优化分配方法，包括以下步骤：1)任务优先值计算；2)待分配集合排序；3)任务的三种目的地执行时长计算；4)任务执行地选择。本发明提供了一种高效的任务卸载全局优化分配方法，并通过具体的实例证明了该方法的可行性，该方法显著地降低了指定路段中所有车载任务的总完成时耗，同时提升了指定路段中车载任务完成率，为实际车联网场景下任务卸载模式的发展提供了更多的可能。