基于图神经网络的服务迁移策略

摘要

针对动态车联网系统中服务迁移的时延和能耗最小化问题，提出一种基于图神经网络的服务迁移策略.首先，建立系统模型，将服务迁移问题建模为最小化时延和能耗的多目标优化问题；其次，将该问题转化为Markov决策过程，并定义状态、动作和奖励函数；最后，利用图卷积神经网络对边缘网络拓扑和节点信息进行特征提取，并结合任务信息提出一种基于图卷积神经网络的深度强化学习任务迁移决策算法做出服务迁移决策.仿真实验结果表明，该算法在降低任务平均时延和能耗方面优于其他基线算法，可为车联网环境下服务的高效、低耗与稳定迁移提供有效解决方案.

关键词

移动边缘计算 / 服务迁移 / 图神经网络 / 车联网