数字孪生车辆边缘计算网络：任务卸载与资源分配
本文提出一种基于人工智能的协同计算方法，通过将任务分配和调度算法与决策流程相结合，实现车辆网络中任务的外包与协同计算，进而减少计算服务延迟，提高服务可靠性，并实现服务成本最小化。在复杂的城市交通网络中，基于提出的协同计算方法，仿真结果表明该方法适应高度动态环境且性能表现优异。
Oct, 2020
本文提出了一种数字孪生（DT）辅助的任务卸载框架，用于移动边缘计算卸载策略的优化，基于预测未来计算任务的学习方案，将卸载调度过程建模为马尔可夫决策过程（MDP），以在延迟、能耗和云租用成本之间平衡，以获得最优卸载策略。
Dec, 2021
通过在车辆和路边单元之间进行计算任务卸载，车联网中的边缘计算可以减轻车载计算负担。本文提出了一种基于知识驱动的多智能体强化学习方法来降低虚拟空间中基于边缘计算的车联网任务卸载的延迟，通过利用图神经网络整合图结构通信拓扑和置换不变性的领域知识，提高了回报并显示了改进的可扩展性。
Aug, 2023
本文研究了多服务器移动边缘计算系统中重叠领域的多用户卸载问题。我们将原始问题划分为两个阶段：卸载决策阶段和请求调度阶段。为了防止终端在卸载过程中超出服务范围，我们考虑终端的移动性参数，并根据人类行为模型进行卸载决策，然后引入基于移动性参数和服务器负载的服务器评估机制来选择最佳的卸载服务器。为了充分利用服务器资源，在调度卸载请求时，我们设计了基于双深度Q网络（DDQN）的回报评估算法，考虑任务的优先级。最后，进行数值模拟验证了我们提出的方法优于传统的数学计算方法和DQN算法。
Feb, 2024
本文提出了一种基于动态无人机辅助的车辆双生物迁移框架，使用空地一体化网络中的无人机作为辅助服务器，以平衡 RSU 的负载并提高双生物迁移质量。模拟结果表明，与其他基准方案相比，基于扩散式强化学习算法和无人机辅助的方法效果更好。
Jun, 2024
人工智能和深度神经网络在车辆网络生态系统中的快速发展引入了计算密集型任务，对单个车辆的计算资源需求超过其能力，为解决这一挑战，车辆边缘计算作为一个解决方案应运而生，通过车辆间/基础设施之间的通信资源池提供深度神经网络任务的计算服务，本文将VEC中的DNN划分、任务卸载和资源分配问题建模为动态长期优化问题，目标是在时间上保证系统稳定的同时尽量减少DNN任务的完成时间，首先利用Lyapunov优化技术将原始的长期优化问题与稳定约束解耦成每个时隙的确定性问题，然后提出了一种基于Multi-Agent Diffusion-based Deep Reinforcement Learning (MAD2RL)算法，通过创新性地使用扩散模型来确定最优的DNN划分和任务卸载决策，在MAD2RL中还将凸优化技术作为子程序加以整合来分配计算资源，提高学习效率，通过对真实世界车辆移动轨迹的模拟，我们证明了我们所提出的算法相对于现有的基准解决方案具有更优越的性能。
Jun, 2024
车辆边缘计算通过执行本地任务或将任务卸载到附近边缘设备来实现高强度任务处理，而可重构智能表面则通过灵活调整相位来提供替代通信路径。本文提出了一个新的深度强化学习框架，结合修改后的多智能体深度确定性策略梯度（MADDPG）方法和块坐标下降（BCD）算法，用于优化车辆用户（VUs）的功率分配和可重构智能表面的相位调整，在模拟结果中表现出优于集中式深度确定性策略梯度（DDPG）方案和随机方案的性能。
Jun, 2024
通过将数字孪生与车辆边缘计算相集成，研究论文提出了一种优化资源分配策略的多智能体深度强化学习算法，以解决车辆边缘计算网络中的维护和计算任务处理延迟问题。
Jul, 2024
车辆边缘计算是一种新兴技术，在车联网领域具有重要潜力，通过使车辆在本地执行密集的计算任务或将其转移到附近的边缘设备来提供支持。为了解决由于建筑物等障碍物导致通信链路质量严重恶化而妨碍卸载过程的挑战，本研究引入了可重构智能表面 (Reconfigurable Intelligent Surfaces, RIS)，通过动态调整RIS的相移来大幅提高车辆边缘计算系统的性能。在本工作中，考虑了RIS辅助的车辆边缘计算系统，并设计了一种优化方案，包括本地执行功率、卸载功率和RIS相移，考虑了随机任务到达和信道变化。为了解决这个方案，我们提出了一种创新的深度强化学习 (Deep Reinforcement Learning, DRL) 框架，结合了深度确定策略梯度 (Deep Deterministic Policy Gradient, DDPG) 算法，用于优化RIS相移系数，以及多智能体深度确定策略梯度 (Multi-Agent Deep Deterministic Policy Gradient, MADDPG) 算法，用于优化车辆用户的功率分配。仿真结果表明，我们提出的方案优于传统的集中式DDPG、Twin Delayed Deep Deterministic Policy Gradient (TD3)和一些典型的随机方案。
Jul, 2024