針對(duì)車(chē)載邊緣計(jì)算環(huán)境中卸載場(chǎng)景的動(dòng)態(tài)變化對(duì)計(jì)算卸載的影響,提出了一種基于馬爾科夫決策過(guò)程的計(jì)算切換策略,在保證任務(wù)完成時(shí)間的基礎(chǔ)上,對(duì)計(jì)算卸載的整體過(guò)程進(jìn)行分析,從而進(jìn)一步降低了計(jì)算切換的引入對(duì)卸載效果的影響。仿真實(shí)驗(yàn)針對(duì)計(jì)算切換的引入是否有助于提升計(jì)算卸載的效果以及如何進(jìn)一步降低計(jì)算切換的引入對(duì)計(jì)算卸載的影響進(jìn)行了4種算法的對(duì)比,實(shí)驗(yàn)結(jié)果表明,基于文中提出的計(jì)算切換策略,可以提升計(jì)算卸載的效率,保證用戶(hù)的服務(wù)體驗(yàn)。 

【文章來(lái)源】：計(jì)算機(jī)工程與科學(xué). 2020,42(05)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

車(chē)載邊緣計(jì)算卸載場(chǎng)景

在車(chē)載邊緣計(jì)算環(huán)境中,本文將任務(wù)的完成時(shí)間作為優(yōu)化目標(biāo),在決策時(shí)隙變化時(shí)根據(jù)任務(wù)的剩余計(jì)算量、代理資源的計(jì)算能力、網(wǎng)絡(luò)鏈路帶寬狀態(tài)以及用戶(hù)移動(dòng)位置對(duì)任務(wù)完成時(shí)間的影響,構(gòu)建狀態(tài)轉(zhuǎn)移概率矩陣P,其狀態(tài)轉(zhuǎn)移概率圖如圖2所示。根據(jù)不同狀態(tài)下的轉(zhuǎn)移概率,可到的狀態(tài)轉(zhuǎn)移概率矩陣P為:

表1 參數(shù)設(shè)置Table 1 Parameter setting 參數(shù)名 參數(shù)值 參數(shù)名 參數(shù)值 仿真次數(shù)/次 1000 BS覆蓋范圍率/% 100 RSU服務(wù)范圍/m 100 ES直接服務(wù)范圍/m 400 BS數(shù)目/個(gè) 1 ES數(shù)目/個(gè) 16 RSU數(shù)目/個(gè) 64 V數(shù)目/輛 10 任務(wù)計(jì)算量/(MI) [7,9]×106 V計(jì)算能力/(MIPS) 82335×0.75 任務(wù)數(shù)據(jù)量/M [60,80] ES計(jì)算能力/(MIPS) 82335×1.5 結(jié)果數(shù)據(jù)量/M [40,50] C計(jì)算能力/(MIPS) 82335×2 V2V端到端延時(shí)/ms [5,15] V2R單跳帶寬/(Mbps) 15 V2R端到端延時(shí)/ms [20,30] V2B單跳帶寬/(Mbps) 2 V2B端到端延時(shí)/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(wù)完成時(shí)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(xiàn)】：
期刊論文
[1]車(chē)載邊緣計(jì)算環(huán)境中的任務(wù)卸載決策和優(yōu)化[J]. 李波,黃鑫,牛力,薛端,白晨青.  微電子學(xué)與計(jì)算機(jī). 2019(02)
[2]基于馬爾科夫決策過(guò)程的井下無(wú)線基站切換策略[J]. 衛(wèi)星,陸陽(yáng),朱峰,韓江洪.  電子測(cè)量與儀器學(xué)報(bào). 2018(07)



本文編號(hào)：3264750