计算机应用研究

作者：施杰,唐宏,刘子兴,燕星芮,

单位：重庆邮电大学〓a.通信与信息工程学院;b.移动通信技术重庆市重点实验室,重庆400065；

关键词：车载边缘计算,计算卸载,内容缓存,任务抢占,改进异步深度强化学习,

基金：国家自然科学基金资助项目(61971080)；；

随着智能交通系统的快速发展，车载边缘计算中的计算资源分配不均与任务时延敏感性问题日益突出。然而，现有的研究中静态资源分配方法已难以满足动态车载环境的需求。针对此问题，提出了一种基于任务抢占的VEC计算卸载与缓存联合优化方案，实现缓存资源的弹性扩展与高效任务调度。首先，综合考虑任务优先级及路边停放车辆的空闲资源，构建了一个多车辆、多路边单元协同计算模型，利用齐普夫分布优化缓存策略；其次，引入任务抢占机制优先处理紧急任务，并整合停放车辆的闲置算力以缓解RSU负载过载问题；接着，为得到最优的任务卸载与缓存策略，以最小化系统平均时延为目标设计了联合优化问题。针对此高维非线性规划问题，结合深度强化学习，提出一种改进异步优势actor-critic算法。仿真结果表明，该算法相较于其他算法能够显著降低系统时延且提高了任务完成率，改善了实际场景中的用户体验。

来源：2025年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第10期