【技术实现步骤摘要】
本专利技术涉及服务迁移，具体为基于半分布式多目标强化学习算法的服务迁移方法及系统。
技术介绍
1、移动边缘计算(mec)架构的提出使mec与车联网(iov)迅速融合形成了智能车联边缘计算(ivec)网络。增强了车辆智能终端的计算和存储能力，以满足各种车辆应用的需求。然而，将车联网与边缘计算结合也带来了新的挑战。首先，辅助边缘服务器虽然提供计算资源，但其有限的计算能力导致处理复杂任务时仍需要较长时间。其次，边缘计算服务器通常配置在基站中，与基站一起构成路侧服务单元(rsu)，但基站覆盖范围有限。在道路中快速移动的智能车辆，其请求的任务尚未计算结束，该车辆可能已离开该基站覆盖路段。如果此时车辆继续与之前的服务器通信则需要多跳投递，这将带来较大的时延和能耗。因此，需要利用服务迁移技术，根据车辆的移动性动态迁移服务实例，以更好地保障服务质量。
2、现有一些工作采用一个中央控制器进行服务迁移决策。但是在动态的ivec网络中，收集完整的系统级信息可能是困难且耗时的。这影响了服务迁移在车联网场景中的实际性能。也有一些研究采用分布式控制算法...
【技术保护点】
1.基于半分布式多目标强化学习算法的服务迁移方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于半分布式多目标强化学习算法的服务迁移方法，其特征在于，所述状态空间S中，车辆信息向量由六元组定义:
3.根据权利要求1所述的基于半分布式多目标强化学习算法的服务迁移方法，其特征在于，所述奖励函数R包含能量消耗奖励和延迟奖励，能量消耗奖励rE和延迟奖励rT分别表示为：
4.根据权利要求1所述的基于半分布式多目标强化学习算法的服务迁移方法，其特征在于，所述系统总奖励Rw为：
5.根据权利要求1所述的基于半分布式多目标强化...
【技术特征摘要】
1.基于半分布式多目标强化学习算法的服务迁移方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于半分布式多目标强化学习算法的服务迁移方法，其特征在于，所述状态空间s中，车辆信息向量由六元组定义:
3.根据权利要求1所述的基于半分布式多目标强化学习算法的服务迁移方法，其特征在于，所述奖励函数r包含能量消耗奖励和延迟奖励，能量消耗奖励re和延迟奖励rt分别表示为：
4.根据权利要求1所述的基于半分布式多目标强化学习算法的服务迁移方法，其特征在于，所述系统总奖励rw为：
5.根据权利要求1所述的基于半分布式多目标强化学习算法的服务迁移方法，其特征在于，所述actor网络通过以下目标函数进行更新：
6.根据权利要求1所述的基于半分布式多目标强化学习算法的服务迁移方法，其特征在于，所述critic网络的目标函数定义为预测值与实际...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。