TY -的A2 Ardagna克劳迪奥阿戈斯蒂诺•盟——赵,回族非盟-华,楼继伟盟——张Zusheng AU -朱,本厂PY - 2022 DA - 2022/12/29 TI -深基于强化学习任务卸载车辆停放的车辆合作边缘计算SP - 9218266六世- 2022 AB -车辆边缘计算(VEC)大大提高了汽车服务质量低延迟和高可靠性。然而,在一些地区不在路边基础设施或基础设施损坏或失败时,卸载任务不能被执行的机会。即使在与基础设施部署的区域,当大量的卸载任务生成,边缘服务器可能不能够及时处理他们,由于他们的计算资源约束。基于上述观察结果,我们提出的想法停放的车辆合作矢量,它使用路边停放的车辆与充分利用计算资源相互配合执行计算密集型任务。我们的方法旨在克服基础设施缺乏或失败带来的挑战和弥补矢量的计算资源短缺。在我们的方法中,首先,路边停放的车辆管理不同停车集群。然后,最优数量的每个卸载任务所需的资源进行了分析。此外,基于深度强化学习任务卸载算法(DRL)提出了最小化总成本,这是由任务执行延迟和停放车辆的能耗开销为执行任务。大量的仿真结果表明,与其他算法相比,我们的方法不仅完成执行任务成功率最高,但也有任务执行成本最低。SN - 1574 - 017 - 2022/9218266 / 10.1155 x你——https://doi.org/10.1155/2022/9218266——摩根富林明-移动信息系统PB - Hindawi KW - ER