Digital Twin Vehicular Edge Computing Network: Task Offloading and Resource Allocation

简介

随着对物联网汽车多种应用需求的增加，要求汽车能够实时进行多项计算任务。然而，由于汽车本身的计算能力不足，将任务卸载到车辆边缘计算（VEC）服务器并为任务分配计算资源成为一个挑战。本文建立了一个多任务数字孪生（DT）VEC网络。通过使用DT为每个车辆的多个任务开发卸载策略和资源分配策略，在单个时隙内构建了一个优化问题。为了解决这个问题，我们提出了一个基于多智能体强化学习方法的任务卸载和资源分配。大量实验表明，与其他基准算法相比，我们的方法是有效的。
作者讲解

目前尚无作者解读视频，你可点击下方【许愿开讲】按钮，许愿作者开讲~
图表
解决问题

如何解决车联网中由于车辆计算能力不足而需要进行任务卸载和资源分配的问题？
关键思路

使用数字孪生（DT）和多智能体强化学习方法构建多任务数字孪生（DT）车联网，实现车辆任务卸载和资源分配的优化。
其它亮点

论文提出的多任务数字孪生（DT）车联网的方法在实验中表现出了良好的效果，比其他基准算法更加有效。
相关研究

近期的相关研究包括“Vehicle Edge Computing: Survey and Research from Industrial Perspectives”和“Deep Reinforcement Learning for Autonomous Driving: A Survey”。