车联网环境下基于深度强化学习的多DAG应用部分卸载

摘要

针对边缘计算环境下车联网中多个有向无环图（Directed acyclic graph, DAG）型应用的部分卸载问题，本文提出了一种基于深度强化学习的部分卸载算法.首先，以最大化时延能耗的综合效用为目标，构建了DAG应用的部分卸载模型；然后，采用执行优先级算法将DAG应用转化为序列结构，用于确定DAG应用中各子模块的执行优先级.基于此，设计了基于递归神经网络（Recurrent neural networks, RNNs）的序列到序列策略网络.最后，将多DAG应用的部分卸载问题转换为单DAG应用的部分卸载问题，并基于深度强化学习实现多个DAG型应用的部分卸载.实验结果表明，在相同的卸载场景下，所提算法实现的综合效用优于基线算法，提高了车联网的服务质量.

关键词

车联网 / 有向无环图 / 计算卸载 / 深度强化学习 / 部分卸载

基金资助

江苏高校“青蓝工程”资助项目（苏教师函[2023]27号）; 苏州市科技计划资助项目（SZS2022015,2022SS39）; 苏州市智慧能源技术重点实验室开放课题基金资助项目（SLKSET2308）