摘要: 针对车载边缘计算环境下车辆移动引起的车载时变信道和任务随机到达问题, 提出了一种基于深度强化学习的计算卸载和功率分配方法。首先, 设计了双向车道场景下基于非正交多址的端-边-云三层卸载模型;接着,结合该模型的通信、计算、缓存资源以及车辆的移动性, 进一步确立了车载用户功率和缓存延迟长期累积总成本最小化的联合优化问题;最后,考虑到车载边缘计算网络的动态、时变和随机特性, 提出了基于深度确定性策略梯度的分布式智能算法,以获取最优功率分配机制。仿真结果显示,相较于传统方法, 所提方法在减少总成本方面具有显著优势。
中图分类号: