首页|车联网中改进粒子群算法的任务卸载策略

车联网中改进粒子群算法的任务卸载策略

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
当前,多数车联网任务卸载工作仅考虑时延因素将任务卸载至边缘服务器执行(LOCAL-MEC),但是,车载单元仍有一定的计算能力可以利用.针对上述问题,研究了任务卸载的总代价即时延和能耗两个目标,提出一个将车辆自身的计算单元、附近车辆的计算单元与边缘服务器协同计算的任务卸载模型.该模型既考虑了任务的优先关系,又同时考虑了系统的时延和能耗.通过借鉴模拟退火算法思想并引入压缩因子改进粒子群算法来实现任务卸载.实验结果表明:与其他任务卸载策略相比,提出的任务卸载策略优化效果明显,TPSO算法的总代价为传统粒子群算法的53.8％、LOCAL-MEC策略的27.1％、DCOS(distributed computation offloading scheme)算法的78％,并且适用于多种现实场景.
Improved particle swarm algorithm for task offloading in vehicular networks

缪裕青、徐伊、张万桢、刘同来、韩峥

展开 >

桂林电子科技大学 计算机与信息安全学院,广西 桂林541004

桂林航天工业学院 实践教学部,广西桂林541004

广东工业大学 计算机学院,广州510006

移动边缘计算 任务卸载 车联网 改进粒子群算法

国家自然科学基金国家自然科学基金广西自然科学基金广西密码学与信息安全重点实验室项目广西重点研发计划项目

61763007618660072018GXNSFAA138082GCIS201816桂科AA17204002

2021

10.19734/j.issn.1001-3695.2020.08.0222

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(7)
  • 9
  • 2