面向高速行驶车辆的在线任务卸载决策算法

作     者：丁爽 曹沐雨 何欣 DING Shuang;CAO Muyu;HE Xin

作者机构：河南大学软件学院河南开封475004 河南智能网络理论与关键技术国际联合实验室河南开封475004 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第2期

页      面：286-292页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基　　金：中国博士后科学基金面上资助项目(2020M672217) 2022年度河南省重点研发与推广专项(科技攻关)(222102210133) 2020年度河南省重大科技专项(201300210400) 

主　　题：车载边缘计算 任务卸载 秘书问题 加权二部图匹配 

摘      要：车载边缘计算中的任务卸载决策主要解决任务何时卸载,以及卸载至哪里执行的问题。车辆的高速行驶会造成卸载接入设备频繁变化,卸载通信链路随时可能中断,这要求车辆一旦获得卸载机会,就必须立即做出卸载决策。现有的卸载决策研究专注于如何最大化任务卸载执行增益,未充分考虑卸载决策时效对卸载策略的影响,导致提出的卸载决策方法的时间复杂度和空间复杂度高,无法用于高速行驶车辆的在线任务卸载决策。为解决上述问题,首先综合考虑卸载决策时效和卸载增益因素的影响,建立高速行驶车辆的任务卸载决策模型,并将其转化为类秘书问题。然后,提出了一种基于加权二部图匹配的在线车载任务卸载决策算法OODA,以协助车辆在依次经过多个异构的边缘服务器时,做出实时的任务卸载决策,并最大化整体卸载执行增益。最后,理论分析OODA算法的竞争比,并采用仿真实验验证该算法的可行性和有效性。