车联网中基于强化学习的任务卸载和调度算法文献综述

 2022-01-02 16:54:28

全文总字数:2802字

文献综述

文 献 综 述1. 前言车联网(Internet of Vehicles,IoV)可以被用于道路规划、用户娱乐信息、车辆安全及智慧城市与智慧交通等方面。

在道路规划方面,车联网可以被用于播报交通及路况、规划最优路径等;在用户娱乐方面,车联网可以被用于传输高清视频、在线游戏等网上娱乐活动,同时企业还能够根据用户的需求,为用户制定相应的服务,从而带来收益;在车辆安全方面,车联网可以被用于红灯预警、行人预警、超速预警等一定措施提醒驾驶员;在智慧城市与智慧交通方面,以车联网作为通信管理平台可以实现交通信号灯的智能控制、智能停车场管理及公交车的智能调度等,有助于智慧城市的构建。

随着智能车辆和互联网车辆的快速发展,新的车辆应用不断涌现,这也意味着对于车联网的调度算法有着更高的要求。

为此,我们必须提高车联网任务调度方面的技术,其中最为关键的就是车联网中的计算任务卸载和网络资源分配问题。

高效率的车辆计算能够有效地减少任务处理和执行时延,降低车载终端的能耗,明显提升用户体验。

但是,车联网中车辆自身计算能力有限,会导致任务处理延迟和能耗过大。

对于这些问题,像云计算、基于Lyapunov优化的卸载算法等策略虽然考虑了任务执行时延和能量消耗,但只是针对这两个性能指标的一次优化,并没有关注其长期计算卸载性能,难以满足动态的资源需求和严格的服务质量要求。

2. 课题背景电子信息产业的迅猛发展,特别是移动互联时代的到来,使得车联网相关技术得到了发展。

将车联网、云计算、大数据分析、智能驾驶等先进的技术应用到汽车上已经成为未来车辆发展的趋势。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。