【技术实现步骤摘要】
本专利技术属于车联网，涉及三层车联网模型任务卸载和资源分配建模方法。
技术介绍
1、5g通信技术的迅速发展加速了车联网应用的落地，为车辆用户提供了极大的便利。这些应用运行的过程中通常会产生大量不同类型的应用数据，其中包含的路况信息、车辆信息等关键数据可以有效提升用户的体验质量。移动边缘计算技术的出现使车辆设备可以将数据处理的任务卸载至边缘服务器或云中心服务器协助计算，提供了更灵活的任务处理方式。
2、虽然利用移动边缘计算技术可以缓解车辆处理数据的计算压力，但是随着车联网中设备数量的增加，车对车、车对基础设施通信会产生大量能耗，服务响应延迟也会增加，严重影响用户的使用体验。任务卸载和处理的过程中，控制中心需要为车辆设备分配好通信和计算资源并将处理任务的延迟和能耗控制在一定范围内。面对任务卸载和资源分配的联合优化问题，一些方案选择将联合优化问题拆分为多个子问题，通过迭代算法来依次解决。此类方式复杂耗时，在车联网环境下效率较低。也有的方案会采用强化学习算法来解决问题，使用q-learning、深度q网络(deep q network，dqn)等算法来获取任务卸载的最佳决策。但是基于这些算法的任务卸载和资源分配策略无法满足人工智能类应用在延迟和能耗方面较高的需求，极大影响了用户的使用体验。而基于多智能体强化学习的任务卸载和资源分配策略能从全局的角度给出决策，有效减少了任务执行时的延迟和能耗。
技术实现思路
1、本专利技术的目的是提供三层车联网模型任务卸载和资源分配建模方法，采用
2、本专利技术所采用的技术方案是，三层车联网模型任务卸载和资源分配建模方法，具体包括如下步骤：
3、步骤1，构建“云-边-端”三层车联网模型；
4、步骤2，设置车联网环境参数；
5、步骤3，计算出不同设备间的通信传输速率；
6、步骤4，建立车联网的计算过程的数学模型，分别计算不同任务卸载方式和执行方式的时间消耗和能量消耗；
7、步骤5，建立车联网中任务的成本的数学模型，从而对任务卸载的延迟和能耗进行优化；
8、步骤6，定义三层车联网模型的状态空间和动作空间；
9、步骤7，建立奖励函数；
10、步骤8，建立边缘服务器中决策模型、评价模型、目标决策模型和目标评价模型，并初始化这些神经网络模型的参数与环境互动训练并更新神经网络模型的参数，获取决策模型，根据决策模型获取最佳卸载动作。
11、本专利技术的特点还在于：
12、步骤1的具体过程为：
13、“云-边-端”三层车联网模型的结构包括设备层、边缘计算层、云中心层，设备层中的车辆设备产生不同类型的计算任务；边缘计算层位于设备层和云中心层之间，边缘计算层中的边缘服务器连接了车辆设备和云服务器，传输数据的同时还能协助任务的计算；云中心层中的云中心服务器通过计算资源来协助任务处理。
14、步骤2的具体过程为：
15、设三层车联网模型环境中：云中心层中的云中心服务器的数量为1，边缘计算层中的边缘服务器的数量为e，边缘服务器通信范围内的车辆设备的数量为n；设定车辆n和边缘服务器e之间的上行信道通信资源和上行信道总数分别为ce和ke，相邻边缘服务器之间的上行信道通信资源和上行信道总数分别为ce2e和ke2e，车辆之间的上行信道通信资源和上行信道总数分别为cn2n和kn2n，车辆n和边缘服务器e所有的计算资源分别为fn和fe；设定在t时刻车辆n产生了任务其中分别表示任务的大小、完成任务所需计算资源、任务可接受的最大延迟；根据任务的延迟要求将任务an,t分为三类：
16、当小于高优先级任务能接受的最大延迟thre1时，an,t属于高优先级任务(ah)，适合在车辆本地执行；
17、当大于thre1且小于中优先级任务能接受的最大延迟thre2时，an,t属于中优先级任务am，适合卸载到边缘服务器或相邻空闲车辆的方式执行；
18、当大于thre2时，an,t属于低优先级任务al，适合卸载到云中心服务器执行。
19、步骤3的具体过程为：
20、步骤3.1，设为车辆n卸载任务时的功率，σ2为噪声功率，和分别为信道增益和信道干扰，be＝ce/ke为任务传输时每个子信道的带宽，ce和ke分别为车辆n和边缘服务器e之间上行信道通信资源和信道总数；分配给车辆n的上行信道k的传输速率为采用如下公式(1)进行计算：
21、
22、设表示上行信道k是否分配给了车辆n，车辆n和边缘服务器e之间的传输总速率为采用如下公式(2)进行计算：
23、
24、步骤3.2，设为边缘服务器e卸载任务时的功率，和分别为信道增益和信道干扰，be2e＝ce2e/ke2e为任务传输时每个子信道的带宽，ce2e和ke2e分别为边缘服务器e和相邻边缘服务器e'之间上行信道通信资源和信道总数；分配给边缘服务器e的上行信道k的传输速率为采用如下公式(3)进行计算：
25、
26、设表示上行信道k是否分配给了边缘服务器e，边缘服务器e和相邻边缘服务器e'之间的传输总速率为采用如下公式(4)进行计算：
27、
28、步骤3.3，设为车辆n卸载任务时的功率，和分别为信道增益和信道干扰，bn2n＝cn2n/kn2n为任务传输时每个子信道的带宽，cn2n和kn2n分别为车辆n和相邻车辆n'之间上行信道通信资源和信道总数；分配给车辆n的上行信道k的传输速率为采用如下公式(5)进行计算：
29、
30、设表示上行信道k是否分配给了车辆n，车辆n和相邻车辆n'之间的传输总速率为采用如下公式(6)进行计算：
31、
32、步骤3.4，设边缘服务器e和云服务器c之间的传输速率为固定值
33、步骤4的具体过程为：
34、步骤4.1，设车辆本地的计算资源为fn，则本地执行任务所需时间的计算公式(7)为：
35、
36、车辆的单位计算资源能耗为ηn(fn)2，则本地执行任务的能耗的计算公式(8)为：
37、
38、步骤4.2，边缘服务器e的计算资源为fe，任务在边缘服务器中分得的计算资源的比例为执行任务所需时间的计算公式(9)为：
39、
40、边缘服务器e的单位计算资源能耗为de，执行任务的能耗的计算公式(10)为：
41、
42、步骤4.3，相邻边缘服务器e'的计算资源为fe'，任务在相邻边缘服务器中分得的计算资源的比例为执行任务所需时间的计算公式(11)为：
43、
44、相邻边缘服务器的单位计算资源能耗为de'，执行任务的能耗计算公式(12)为：
45、
46、步骤4.4，计算卸载到相邻车辆执行任务所需的延时tn,n'和本文档来自技高网...
【技术保护点】
1.三层车联网模型任务卸载和资源分配建模方法，其特征在于：具体包括如下步骤：
2.根据权利要求1所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：所述步骤1的具体过程为：
3.根据权利要求2所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：所述步骤2的具体过程为：
4.根据权利要求3所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：所述步骤3的具体过程为：
5.根据权利要求4所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：所述步骤4的具体过程为：
6.根据权利要求5所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：所述步骤5的具体过程为：
7.根据权利要求6所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：所述步骤6的具体过程为：
8.根据权利要求7所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：所述步骤7的具体过程为：奖励函数采用如下过程确定：
9.根据权利要求8所述的三层车联网模型任务卸载和资源分配建模方法，
...【技术特征摘要】
1.三层车联网模型任务卸载和资源分配建模方法，其特征在于：具体包括如下步骤：
2.根据权利要求1所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：所述步骤1的具体过程为：
3.根据权利要求2所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：所述步骤2的具体过程为：
4.根据权利要求3所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：所述步骤3的具体过程为：
5.根据权利要求4所述的三层车联网模型任务卸载和资源分配建模方法，其特征在于：...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。