| 标题 |
 Incentive-Based Two-Level Scheduling Algorithms for Load Balance in Vehicular Edge Computing 相关领域
计算机科学
调度（生产过程）
边缘计算
激励
负载平衡（电力）
处理器调度
算法
负荷管理
分布式计算
计算机网络
GSM演进的增强数据速率
数学优化
电信
电气工程
工程类
经济
微观经济学
网格
资源（消歧）
数学
几何学
|
| 网址 | |
| DOI | |
| 其它 |
摘要： 在车载边缘计算（VEC）中，车内和车载之间的两级调度在提升深度神经网络（DNN）推断的服务质量（QoSs）方面具有巨大潜力。然而，现有的两级调度工作未能共同考虑车辆间的负载均衡和车辆的自私性，导致QoS缺乏保障。本文试图通过提出一个与两级调度相关的激励问题来填补这一空白，目标是在VEC中实现DNN推断的负载均衡，目标是在每任务响应时间、每辆车能耗、每辆车效用保障等约束下，最大化VEC中的系统效用。然后，我们证明该问题是 NP 完全的。提出了一种基于联盟的激励算法，称为CBA。CBA通过启发式策略做出车内调度决策，并通过基于联盟的游戏策略做出车间调度决策。CBA的纳什稳定和收敛已被证明。此外，提出了一种基于深度强化学习的算法，称为DRL，用于解决该表述问题。DRL引入了一种启发式策略来生成车载间调度决策，并利用深度强化学习方法生成车载间调度决策。所提出的算法在配备CPU、SCALE-Sim、OSM和SUMO的平台上进行评估。模拟结果显示，两种提出的算法在系统效用方面均优于所有情况下的先进方法。与两种基线算法相比，CBA和DRL分别在不同车辆数量下平均提升系统效用0.56倍和1.24倍 。0.56×1.24× |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
cdercder
GingerF
Freud
奔跑
Nole
无极微光
潇洒的惋清
XX
Criminology34
初景
笑点低的翠
Viper
平淡的梦菲
斯文的白玉
heekkll
cherry
呆萌的板栗
七月流火
mafukairi
你嵙这个期刊没买
皖公网安备34019202002308
