.png){kind=icon}
返回
Resource Allocation for Twin Maintenance and Task Processing in Vehicular Edge Computing Network
.png){kind=icon}
PRE
AI
DOI：10.1109/JIOT.2025.3576582.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在数字孪生移动边缘网络中，车辆孪生模型的维护和车载任务处理需要计算资源支持。此外，两者同时执行。因此，如何在有限的伺服器资源下为孪生维护和任务处理分配资源至关重要。然而，当前研究倾向于忽略孪生维护的资源竞争方面。本研究分析了在通用数字孪生移动边缘网络（DTMEN）下，资源分配对这些两者的延迟影响，以构建优化问题。为此问题，我们使用马尔可夫决策过程转化了问题。同时，我们提出了一种基于多智能体强化学习（MADRL）的孪生维护和任务处理资源协同调度（TMTPRCS）算法来解决问题。实验表明，与其它替代算法相比，我们提出的方法在资源分配方面是有效的。
Keyword:
Twin maintenance
Vehicular edge computing
Resource allocation
期刊
IF:
8.9
论文数:
1.4W
被引数:
7.8W
机构
引用论文
Knowledge-Driven Deep Learning Paradigms for Wireless Network Optimization in 6G基于知识驱动的深度学习范式在6g无线网络优化中的应用.png)
IEEE NETWORK
OAAI
IEEE NETWORKIF6.3
OAAI分享收藏Deep-Reinforcement-Learning-Based AoI-Aware Resource Allocation for RIS-Aided IoV NetworksRIS辅助IoV网络中基于深度强化学习的AoI感知资源分配
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An Efficient Caching and Offloading Resource Allocation Strategy in Vehicular Social Networks车载社交网络中高效的缓存和卸载资源分配策略OAAI
OAAI分享收藏
查看更多内容