| 标题 |
Vehicle Coalition-Based Incentive Algorithm for Model Deployment and Task Offloading |
| 网址 | |
| DOI | |
| 其它 |
摘要: 在车载边缘计算(VEC)中,高效的模型部署和任务卸载策略为提升深度神经网络(DNN)推断服务质量提供了巨大潜力。然而,现有研究未能共同考虑DNN推理任务的自私与协作,导致VEC中DNN推理性能提升成为瓶颈。本文旨在通过研究VEC中DNN推断中的联合模型部署和任务卸载问题来填补这一空白。我们提出一个问题,目标是在每个任务准确性水平、每辆车/路边单元的效用等约束下最大化社会福利。为解决该问题,提出了一种名为ICA的激励算法,基于联盟博弈和拍卖机制,通过联合模型部署和任务卸载,在VEC中进行DNN推断。此外,基于深度强化学习和拍卖机制,提出了一种名为IDA的激励算法,以最大化社会福利。此外,我们证明所提算法保证了本质经济属性,即真实性和个体理性。我们还证明了所提出的算法会收敛,并且ICA生成的最终联盟结构是纳什稳定的。大量模拟结果表明,所提算法在社会福利方面均优于所有情况下的先进方法。 |
| 求助人 | |
| 下载 |
PDF的下载单位、IP信息已删除
(2025-6-4)