基于近端策略优化算法的车载边缘计算网络频谱资源分配

摘要

【目的】在车载网络边缘计算中,合理地分配频谱资源对改善车辆通讯质量具有重要意义。频谱资源稀缺是影响车辆通讯质量的重要原因之一,车辆的高移动性以及在基站处准确收集信道状态信息的困难给频谱资源分配带来了挑战性。【方法】针对以上问题,优化目标设定为车对车(Vehicle-to-Vehicle, V2V)链路传输速率和车对基础设施(Vehicle-to-Infrastructure, V2I)容量大小,提出一种基于近端策略优化(Proximal Policy Optimization, PPO)强化学习算法的多智能体频谱资源动态分配方案。【结果】面对多个V2V链路共享V2I链路所占用的频谱资源从而缓解频谱稀缺问题。这一问题被进一步制定为马尔可夫决策过程(Markov Decision Process, MDP),并对状态、动作和奖励进行了设计,以优化频谱分配策略。【结论】仿真结果表明,在信道传输速率和车辆信息传递成功率方面,所提出的基于PPO算法的优化方案与基线算法相比具有更优的效果。

关键词: 车载网络边缘计算; 频谱分配; 马尔可夫决策过程; 近端策略优化

引言

近年来,

你可能感兴趣的:(物联网及AI前沿技术专栏,边缘计算,网络,人工智能)