.png){kind=icon}
返回
Adaptive Task Offloading Strategy in Vehicle-Assisted Mobile Edge Computing
.png){kind=icon}
PRE
AI
DOI：10.1109/TSC.2025.3642186.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统移动边缘计算（MEC）在车联网（IoV）中难以应对时敏性应用，导致任务完成延迟显著增加，因为现有方法未能利用动态网络拓扑下的车-基础设施协作。本文提出了一种车辆辅助的自适应任务卸载策略，通过基于车辆相对于边缘服务器位置的双模框架来最小化完成时间。当车辆位于服务器覆盖范围外时，最佳服务车辆选择算法（BSVSA）将任务卸载至最合适的邻近车辆，同时确保通信稳定性。当车辆在服务器覆盖范围内时，本文提出的混合差分教学优化算法（HDTOA）确定最优卸载比例，并在边缘服务器之间调度任务以平衡计算负载。仿真结果表明，本集成方法（HDTOA+BSVSA）优于差分进化（DE）和粒子群优化（PSO）等基准算法，展现出更快的收敛速度和更低的平均任务执行时间（尤其在重负载条件下）。在任务数据量较大的场景下，HDTOA相比PSO算法将平均任务执行时间降低了69.99%。该策略还通过提供更均衡的服务器负载，提升了整体系统效率。
Keyword:
Internet of Vehicles
edge computing
task offloading
hybrid differential teaching optimization
期刊
IF:
5.8
论文数:
2.2K
被引数:
6.5K
机构
引用论文
An energy-aware scheduling method for parallel tasks based on an adaptive differential evolution algorithm in a multi-cloud environment基于自适应差分进化算法的多云环境下的并行任务能量感知调度方法
.png){kind=icon}
PREAI
分享收藏
Cloud-Edge-End Collaborative Task Offloading in Vehicular Edge Networks: A Multilayer Deep Reinforcement Learning Approach车载边缘网络中的云-边端协同任务卸载: 一种多层深度强化学习方法
PREAI
分享收藏DSAC-configured Differential Evolution for Cloud-Edge-Device Collaborative Task Scheduling基于DSAC的差分进化算法在云-边-设备协同任务调度中的应用
PREAI
分享收藏Energy and Delay Efficient Partial Offloading for UAV-assisted MEC Systems using Differential Evolution Algorithm基于差分进化算法的UAV辅助MEC系统能耗与延迟高效的部分卸载方法
PREAI
分享收藏
查看更多内容