基于强化学习的车辆编队动态定价任务卸载策略

【摘要】 本文针对车联网中车辆编队这一重要场景，其在未来对缓解交通压力，减少环境污染，增加用户安全性有很大优势。同时，车辆可以通过编队方式形成相对稳定的网络拓扑达到资源共享的目的，从而扩大车辆任务卸载的范围，解决单一车辆计算资源不足的问题。由于提供卸载服务的车辆需要消耗一定的计算资源以及能量资源，为鼓励车辆能够提供空闲资源，文中提出动态定价的激励机制，根据车辆提供资源的质量进行动态定价，并利用深度强化学习方法形成任务卸载策略。通过仿真实验，与其他算法对比验证了提出算法的有效性。更多还原