公路与水路运输论文_车辆边缘计算环境下基于深 - 决策与信息杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 决策与信息

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

公路与水路运输论文_车辆边缘计算环境下基于深

作者:

关键词:

摘要：

文章摘要:车辆边缘计算是一种新型的计算范式，通过将计算和通信资源分布到靠近车辆的一侧，来提高资源受限车辆的计算和通信能力，从而为车载用户提供低延迟的服务。然而，在车辆边缘环境下，如何高效地进行服务卸载，并同时考虑服务的卸载决策以及边缘服务器和云服务器的协同资源分配，仍是一个具有挑战性的问题。针对上述问题，本文提出了一种基于深度强化学习的服务卸载方法。首先，提出了车辆边缘环境下一种端-边-云协同的服务卸载架构，将服务卸载问题归约为边缘服务器计算和通信资源约束下获得最小平均服务时延的优化问题。其次，引入了深度Q网络（deep Q-network， DQN）来解决优化问题，在学习过程中引入贪婪算法、经验回放机制和双网络机制。最后，实验结果表明，该方法是可行的，所提的卸载方案具有良好的性能。

文章关键词:

论文分类号:U495;TN929.5;TP18

文章来源：《决策与信息》网址: http://www.jcyxxzz.cn/qikandaodu/2021/1031/1361.html