1.一种基于车辆聚类的车联网边缘计算任务卸载方法,其特征在于,大规模集群车联网边缘计算网络包括一个云平台、路边单元和大量的终端车辆,假设每个 RSU 可采用有线通信的方法连接一个MEC服务器用来进行终端车辆卸载的计算任务;具体如下:步骤一、边缘服务器接收到车辆信息 时,形成初始集群;其中,第一辆车成为第一个新集群中的首个节点,接下来的车辆根据其与现有集群的相似性来决定将车辆被分配到一个现有的集群中,或者作为一个新集群中的首个节点;
步骤二、对形成的初始集群进行整理,初始集群中的每个微集群均尝试与同一初始集群中的其他微集群合并,形成粗略集群,在每个粗略集群中创建“蚂蚁”,继续进行集群整理,来形成最终的集群,并进行集群头的选取;
步骤三、初始化强化学习初始条件,包括折扣因子 、学习率 ,各个集群头的Q表;
步骤四、得到集群 的状态 ,通过贪婪算法选择一个动作 ,决定是
本地模式还是卸载模式,并求得对应的奖励值 ;在时间k上,定义 为集群 的头到 MEC 服务器的信道增益,在卸载时期是恒定的, 为存储在车辆 上的任务队列,为集群 剩余的计算容量比;
步骤五、对集群 的Q表进行更新后, ,等待下一次传输,并转至步骤四。
2.根据权利要求1所述的一种基于车辆聚类的车联网边缘计算任务卸载方法,其特征在于,步骤一中,边缘服务器接收到车辆信息 时,集群逐渐形成,第一辆车成为第一个新集群中的首个节点,接下来的车辆根据其与现有集群的相似性来决定将车辆被分配到一个现有的集群中,或者作为一个新集群中的首个节点;
同时当 中所有车辆划分集群完毕之后,计算集群与集群之间的相似性信息,如下述公式所示:其中, 和 是两两集群相似性的泛指集群, 为集群 中出现的车辆数量,表示集群 中车辆 与集群 的相似性。
3.根据权利要求1所述的一种基于车辆聚类的车联网边缘计算任务卸载方法,其特征在于,对形成的初始集群进行整理,初始集群中的每个微集群均尝试与同一初始集群中的其他微集群合并,形成粗略集群,其中微集群 与 合并后的微集群表示如下式所示:当微集群合并后,计算合并后微集群 的半径 ,如果 ,则合并操作成功,否则合并操作失败;为设定好的阈值。
4.根据权利要求1所述的一种基于车辆聚类的车联网边缘计算任务卸载方法,其特征在于,步骤二中,在每个粗略集群中创建“蚂蚁”,进行集群整理;蚂蚁从集群中随机选取一个微集群,与集群中的其余微集群进行迭代比较,计算从微集群中心 到其余微集群中心的欧式距离,如果两者为密度可达的,则增加密度可达计数,根据可达计数与集群中微集群的数量来计算拾取概率;拾取概率计算公式如下所示:如果集群中的微集群数量预先设定的阈值时,则 默认为1。
5.根据权利要求1所述的一种基于车辆聚类的车联网边缘计算任务卸载方法,其特征在于,步骤四中,得到集群 的状态 ,通过贪婪算法选择一个动作 ,如下式:其中 表示动作 为 的概率, 为小于1的正数。
6.根据权利要求1所述的一种基于车辆聚类的车联网边缘计算任务卸载方法,其特征在于,步骤四中,采用负奖励的方法,驱策做出正确的决策来分配系统开销,在迭代时间时, 的负奖励由下式给出:其中, 是时隙k下本地计算模式的系统成本, 是时隙k下边缘卸载模式的系统成本。
7.根据权利要求1所述的一种基于车辆聚类的车联网边缘计算任务卸载方法,其特征在于,步骤五中,对集群 的Q表进行更新,观察得到下一个状态 ,并根据下式更新Q值:
。