.png){kind=icon}
返回
PPO-Based Hybrid Optimization for RIS-Assisted Semantic Vehicular Edge Computing
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15050936.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为支持在动态环境和间歇性链路下的低延迟物联网车辆（IoV）应用，本文提出了一种基于可重构智能表面（RIS）的语义感知车辆边缘计算（VEC）框架。该方法通过集成RIS优化无线连接，并通过语义通信传输语义特征以最小化延迟。我们通过优化卸载比例、语义符号数量和RIS相位偏移，构建了一个全面的联合优化问题。考虑到该问题的高维性和非凸性，我们提出了一种两阶段混合方案，采用近端策略优化（PPO）进行离散决策，并使用线性规划（LP）进行卸载优化。仿真结果表明，所提框架优于现有方法。具体而言，所提出的基于PPO的混合优化方案与遗传算法（GA）和量子行为粒子群优化（QPSO）相比，平均端到端延迟降低了约40%至50%。此外，该系统在最多30辆车的拥塞场景下仍能保持低延迟，表现出良好的可扩展性。
Keyword:
vehicular edge computing
reconfigurable intelligent surface
semantic communication
task offloading
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
A novel dynamic service function chaining to enable Ultra-Reliable Low Latency Communication in NFV一种新型动态服务功能链，用于在NFV中实现超可靠低延迟通信
.png){kind=icon}
PREAI
分享收藏Delay-Sensitive Dependent Tasks Offloading and Resource Allocation in VEC: A Deep-Reinforcement Learning Approach时延敏感依赖任务的卸载与资源分配在VEC中的研究：一种深度强化学习方法
PREAI
分享收藏Semantic-Aware Spectrum Sharing in Internet of Vehicles Based on Deep Reinforcement Learning基于深度强化学习的车联网语义感知频谱共享
OAAI
OAAI分享收藏Reconfigurable Intelligent Surfaces for the Connectivity of Autonomous Vehicles用于自动驾驶汽车连通性的可重构智能表面OAAI
OAAI分享收藏QoE-Driven Multi-Task Offloading for Semantic-Aware Edge Computing SystemsQoE驱动的面向语义感知边缘计算系统的多任务卸载
PREAI
分享收藏
查看更多内容