發(fā)布時間：2021-07-04 12:01

　　針對車載邊緣計算環(huán)境中卸載場景的動態(tài)變化對計算卸載的影響,提出了一種基于馬爾科夫決策過程的計算切換策略,在保證任務完成時間的基礎上,對計算卸載的整體過程進行分析,從而進一步降低了計算切換的引入對卸載效果的影響。仿真實驗針對計算切換的引入是否有助于提升計算卸載的效果以及如何進一步降低計算切換的引入對計算卸載的影響進行了4種算法的對比,實驗結果表明,基于文中提出的計算切換策略,可以提升計算卸載的效率,保證用戶的服務體驗。 

【文章來源】：計算機工程與科學. 2020,42(05)北大核心CSCD

【文章頁數】：7 頁

【部分圖文】：

車載邊緣計算卸載場景

在車載邊緣計算環(huán)境中,本文將任務的完成時間作為優(yōu)化目標,在決策時隙變化時根據任務的剩余計算量、代理資源的計算能力、網絡鏈路帶寬狀態(tài)以及用戶移動位置對任務完成時間的影響,構建狀態(tài)轉移概率矩陣P,其狀態(tài)轉移概率圖如圖2所示。根據不同狀態(tài)下的轉移概率,可到的狀態(tài)轉移概率矩陣P為:

表1 參數設置Table 1 Parameter setting 參數名 參數值 參數名 參數值 仿真次數/次 1000 BS覆蓋范圍率/% 100 RSU服務范圍/m 100 ES直接服務范圍/m 400 BS數目/個 1 ES數目/個 16 RSU數目/個 64 V數目/輛 10 任務計算量/(MI) [7,9]×106 V計算能力/(MIPS) 82335×0.75 任務數據量/M [60,80] ES計算能力/(MIPS) 82335×1.5 結果數據量/M [40,50] C計算能力/(MIPS) 82335×2 V2V端到端延時/ms [5,15] V2R單跳帶寬/(Mbps) 15 V2R端到端延時/ms [20,30] V2B單跳帶寬/(Mbps) 2 V2B端到端延時/ms [450,550] E2E單跳帶寬/(Mbps) [15,20]由圖3可知,MDP算法、METH算法和MCTH算法的任務完成時間分別為74.78 s,89.52 s和86.47 s,相較于MCT算法,分別提升了29.37%,15.45%和18.33%。

【參考文獻】：
期刊論文
[1]車載邊緣計算環(huán)境中的任務卸載決策和優(yōu)化[J]. 李波,黃鑫,牛力,薛端,白晨青.  微電子學與計算機. 2019(02)
[2]基于馬爾科夫決策過程的井下無線基站切換策略[J]. 衛(wèi)星,陸陽,朱峰,韓江洪.  電子測量與儀器學報. 2018(07)



本文編號：3264750