【技術實現步驟摘要】
本專利技術屬于計算任務卸載研究領域，具體涉及一種基于aucb算法的未知資源感知及任務卸載方法。
技術介紹
1、隨著車聯網與智能網聯汽車的發展，車輛已經被賦予更多的計算、存儲、傳感和通信能力，在人工智能和5g技術的雙重作用下，智能駕駛、圖像導航、增強現實(augmentedreality，ar)、虛擬現實(virtual?reality，vr)等計算密集型應用在車聯網中不斷涌現，但是目前車輛所攜計算資源難以滿足上述技術發展帶來的算力需求，這不僅影響駕駛與乘車體驗，還對行車安全帶來了新的不確定性風險。因此，當前智能網聯汽車計算資源不足被認為是限制車聯網發展的瓶頸因素。為了突破計算資源短缺問題給車聯網發展帶來的束縛，除了增加車輛本身的計算資源配置以外，計算任務卸載被認為是一種非常有效的解決方案。任務卸載技術能夠將車輛自身的計算任務卸載至計算資源豐富的節點，大幅減少原有的計算量，確保需要大量計算資源的應用能夠高效運行。
2、目前的車聯網計算任務卸載研究中，基于中心、邊緣云的架構已經取得了較大的進展突破，但是這些研究較少考慮計算密集、延遲敏感等新型智能網聯車任務帶來的全新挑戰，此類任務卸載至中心云或邊緣云一般存在較高的時間延遲，這對于安全服務類任務是不可接受的。其次，在車聯網場景中，車輛通常與基站或路側單元(road?side?unit，rsu)等服務器間會進行頻繁的通信切換，這在車輛高速行駛時尤為明顯，必然會對計算任務卸載的性能產生較為嚴重的影響。最重要的是，高速運動情況下的計算任務卸載高度依賴交通基礎設施，在去中心云和去邊
3、因此，vec應運而生。vec將計算資源部署在更接近終端車輛的位置，借助任務卸載技術將計算密集型應用從車輛轉移到各類鄰近基礎架構上的vec服務器，或利用車輛間的協作，調用其他車輛的空閑計算資源共同完成計算任務，以獲得更低時延。但目前的vec計算任務卸載技術仍然存在巨大的挑戰，這主要是因為車聯網場景具有復雜、多樣和異構的特點，這些挑戰不僅影響車輛計算資源分配與實際任務卸載策略的制定，還摻雜著車輛參與任務卸載的主觀性。隨著人們安全與隱私意識的不斷提高，許多車主由于個人的主觀意識，認為其數據與計算資源具有隱私敏感性，使其車輛資源處于非共享狀態。目前主流任務卸載方法不具備強大的環境感知力，無法在計算資源未知情況下完成計算任務卸載，進而大大降低了任務卸載技術的可靠性。與此同時，傳統優化算法存在的局限性也隨著車聯網規模的增加日益顯現。具體來說，這些傳統的算法不具備主動學習能力，導致其在適應新的應用環境和拓展新的任務等方面存在嚴重不足。更重要的是，傳統優化算法相對簡單，而計算任務卸載的計算過程通常較為復雜，傳統方法難以應對，這又為任務卸載帶來了新的挑戰。此外，單一卸載節點的覆蓋范圍與計算資源有限也在制約計算任務卸載的時間延遲與能源消耗性能優化。
技術實現思路
1、本專利技術針對車聯網場景具有復雜、多樣和異構的特點，目前主流任務卸載方法不具備強大的環境感知力，無法在計算資源未知情況下完成計算任務卸載，進而大大降低了任務卸載技術的可靠性，提出一種基于自適應置信區間上界(adaptive?upper?confidencebound，aucb)算法的車聯網未知計算資源感知及任務卸載方法，通過將車聯網中未知計算資源感知問題轉化為mab模型，利用aucb算法對每一個由車輛表征的“搖臂”獎勵值進行估計來實現對車載計算資源狀態的感知。
2、為實現上述目的，本專利技術采取的技術方案如下：
3、一種基于aucb算法的未知資源感知及任務卸載方法，該方法將道路中的行駛車輛分為生成計算任務的任務車輛與提供計算服務的服務車輛，首先利用熵值法建立計算任務的優先級模型，確保按優先級排序處理各任務車輛同一時刻生成的計算任務；然后使用多臂賭博機模型對計算任務卸載問題進行建模，感知探索服務車輛的閑置計算和通信資源，并利用自適應置信區間上界算法對計算任務卸載問題進行建模，記錄并更新任務置信度；最后對每一個由車輛表征的“搖臂”獎賞值進行評估，選擇最優服務車輛執行計算任務卸載，從而實現卸載策略求解，進一步提高了車載邊緣計算任務卸載的系統效用與服務質量。
4、本專利技術相對于現有技術的有益效果為：本專利技術的自適應置信區間上界算法的車載邊緣計算方法在具有復雜、多樣和異構特點的車聯網場景中，且計算資源未知情況下，能夠較好完成任務卸載，且具有較小的平均悔值、較短的平均時延和較高的任務完成概率。本專利技術可以解決vec服務器或rsu不足，導致已知資源的計算卸載任務難以完成、計算任務卸載失敗等問題，提高計算任務卸載的可靠性；此方法也適用于資源狀態未知的環境下實現計算任務卸載，不僅可以提高車群系統的感知決策能力，也是對現有vec技術的有效補充，解決車聯網計算資源短缺這一難題。
本文檔來自技高網...【技術保護點】
1.一種基于AUCB算法的未知資源感知及任務卸載方法，其特征在于：所述方法為：首先利用熵值法建立計算任務的優先級模型，確保按優先級排序處理各任務車輛同一時刻生成的計算任務；然后使用多臂賭博機模型對計算任務卸載問題進行建模，感知探索服務車輛的閑置計算和通信資源，并利用自適應置信區間上界算法對計算任務卸載問題進行建模，記錄并更新任務置信度；最后對每一個由車輛表征的“搖臂”獎賞值進行評估，選擇最優服務車輛執行計算任務卸載，從而實現卸載策略求解。
2.根據權利要求1所述的一種基于AUCB算法的未知資源感知及任務卸載方法，其特征在于：所述方法具體為：
【技術特征摘要】
1.一種基于aucb算法的未知資源感知及任務卸載方法，其特征在于：所述方法為：首先利用熵值法建立計算任務的優先級模型，確保按優先級排序處理各任務車輛同一時刻生成的計算任務；然后使用多臂賭博機模型對計算任務卸載問題進行建模，感知探索服務車輛的閑置計算和通信資源，并利用自適應置信區間...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。