支持MEC的车辆网络中的多车多跳任务卸载方法技术

本发明专利技术涉及一种支持MEC的车辆网络中的多车多跳任务卸载方法，提出了一种基于拍卖的奖励驱动激励机制，以激励中继者和计算者为整体效用最大化而进行合作，并将投标策略的子问题表述为一个凸优化问题，并由KKT条件推导出。同时为了在多跳计算资源情况下实现全系统利润最大化，首先，通过所提出的层次估计模型来估计卸载延迟和能量成本；然后，基于这些估计，每个车辆做出卸载决策，以最大化预期的系统效用；同时，迭代层次估计算法通过对层次估计模型的参数进行更新，将估计成本收敛到实际值，增强准确性；最后，利用移动感知贪心路由算法为卸载车辆调度节能的传输路径。

【技术实现步骤摘要】

本专利技术涉及支持移动边缘计算(mec)的车载网络中的任务卸载，特别地涉及一种支持mec的车辆网络中的多车多跳任务卸载方法。

技术介绍

1、车联网(internet of vehicles,iov)将传感器、软件和通信技术与车辆集成在一起，广泛应用于智能交通管理、自动驾驶、车辆安全、道路监控等多种场景。然而，车辆有限的计算能力不足以满足收集和处理大量数据的实时需求。移动边缘计算(mec)是一项新兴技术，可以为车辆提供云计算能力。在mec的帮助下，车辆可以通过将计算密集型和延迟敏感的任务卸载到边缘服务器或空闲车辆进行计算来满足低延迟需求。

2、最近，针对支持mec的车辆网络，提出了许多任务卸载技术。例如，通过对车辆网络的计算和通信资源进行调度，使总任务延迟最小化、总能耗最小化。然而，现有的大多数相关工作主要假设车辆只能将其计算任务卸载到距离较近且直接连接的边缘服务器上。这种将计算任务传输到直接连接的服务器的方法称为单跳任务卸载。然而，在实际车辆场景中，障碍物和网络拥塞可能会导致一些车辆无法直接连接到边缘服务器。因此，需要利用多跳计算资源。为了解决本文档来自技高网...

【技术保护点】

1.一种支持MEC的车辆网络中的多车多跳任务卸载方法，其特征在于，利用迭代分层估计算法来估计卸载延迟和能量成本，以迭代优化车辆的卸载决策；基于拍卖的奖励，驱动激励机制，激励中继者和计算者为整体效用最大化而进行合作；具体步骤如下：

2.根据权利要求1所述的支持MEC的车辆网络中的多车多跳任务卸载方法，其特征在于，所述步骤1中，支持MEC的车辆网络的系统操作被划分为离散的时隙序列，用t∈{1,2,3，...，T}表示；将配备服务器的基站表示为Et＝{et1,et2,…,etM}，其中M表示配备服务器基站的数量。

3.根据权利要求2所述的支持MEC的车辆网络中的多车多跳...

【技术特征摘要】

1.一种支持mec的车辆网络中的多车多跳任务卸载方法，其特征在于，利用迭代分层估计算法来估计卸载延迟和能量成本，以迭代优化车辆的卸载决策；基于拍卖的奖励，驱动激励机制，激励中继者和计算者为整体效用最大化而进行合作；具体步骤如下：

2.根据权利要求1所述的支持mec的车辆网络中的多车多跳任务卸载方法，其特征在于，所述步骤1中，支持mec的车辆网络的系统操作被划分为离散的时隙序列，用t∈{1,2,3，...，t}表示；将配备服务器的基站表示为et＝{et1,et2,…,etm}，其中m表示配备服务器基站的数量。

3.根据权利要求2所述的支持mec的车辆网络中的多车多跳任务卸载方法，其特征在于，所有车辆分为两组：主动车辆组vt和候选车辆组ct；主动车辆有需要处理的计算应用程序，用表示，其中n表示需要处理的计算应用程序的数量；候选车辆具有活动车辆的空闲计算资源，用表示，其中l表示活动车辆的空闲计算资源的数量。

4.根据权利要求3所述的支持mec的车辆网络中的多车多跳任务卸载方法，其特征在于，配备服务器的基站和候选车辆都能为具有计算任务的主动车辆提供计算服务；配备服务器的基站和候选车辆被定义为提供计算资源设备，用表示。

5.根据权利要求4所述的支持mec的车辆网络中的多车多跳任务卸载方法，其特征在于，在支持mec的车辆网络中，用v2i通信代表车辆和bss之间的数据传输，用v2v通信代表车辆之间的相互通信，在配备服务器的基站通信范围内的主动车辆和候选车辆通过v2i或v2v换向直接卸载其任务；为了建立时间间隙t中车辆的多跳转发路径模型，定义序列参数作为路径，定义作为路径的离散段，集合的...

【专利技术属性】
技术研发人员：周羿，赵志为，黄文杰，王雪凡，贾蓓，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：