声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：张文柱, 石亚坤, 高杜梅
单位：西安建筑科技大学信息与控制工程学院，陕西 西安 710055
关键词：计算卸载,资源分配,云计算,移动边缘计算,深度强化学习,
基金：陕西省重点研发计划(2025CY-YBXM-063)
在车联网中，车辆有限的计算能力、边缘服务器动态的计算资源和云服务器遥远的部署位置使得合理设计计算任务卸载与资源分配方案极具挑战。针对上述挑战，以最小化处理计算任务的时延与能耗的加权和为目标，提出了一种基于深度强化学习的联合计算卸载与资源分配的算法。具体来说，为了实现边云协作处理计算任务，首先设计了基于软件定义网络边云协同的网络架构，并给出了任务优先级的度量标准；其次分别建立了云边端任务的计算模型；然后设计了优化系统延迟与能耗的目标函数，并将其转化为系统效用函数；最后利用深度强化学习算法依据系统效用来决定计算任务的卸载与资源分配策略。实验结果表明，与现有的算法相比，所提算法在降低系统时延与能耗以及提高任务计算成功率方面的表现显著优于基准算法。
来源：2026年第3期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。