一种基于DQN的无人驾驶任务卸载策略

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-05-10 合作期刊: 《计算机应用研究》

王锦 张新有

摘要： 无人驾驶汽车由于其有限的电池寿命和计算能力，难以在保证续航的前提下满足一些时延敏感任务或密集任务的处理需求。为解决该问题，在移动边缘计算(mobile edge computing，MEC)的背景下，提出了一种基于深度Q网络(deep Q-network，DQN)的无人驾驶任务卸载策略。首先，定义了一个基于任务优先级的“车-边-云”协同任务卸载模型，其需要通过联合优化车辆计算能力与任务卸载策略以获取系统最小延迟和能耗。由于该问题是个混合整数非线性规划问题，因此分两步对其进行求解—通过数学推导得出了最优车辆计算能力的解析解，之后在其数值固定条件下，基于DQN算法获得了任务最佳卸载策略。最后，综合SUMO、Pytorch和Python等工具建立了仿真模型，比较了DQN算法和其他三种算法在任务负载、MEC服务器计算能力以及能耗权重系数变化情况下的性能，实验结果验证了所提策略的可行性和优越性。

 点击量 4443  下载量 322  评论