1.一种基于深度强化学习与契约匹配的车辆雾计算方法,其特征在于,主要包括以下步骤:S1、路边单元RSU收集车辆与任务信息,包括车辆的速度、位置、计算能力以及任务的大小、所需的计算资源、截止日期与优先级;
S2、根据任务的优先级进行排序,具有高优先级的任务优先执行;计算任务卸载到服务车辆所需要的时间,并将其与任务截止日期进行比较,筛选出可用的服务车辆;
S3、计算任务卸载到服务车辆的服务可用性,并根据服务车辆的共享计算能力,建立与之对应的服务车辆偏好列表;
S4、签订合同、计算奖励函数,任务卸载完成。
2.根据权利要求1所述的方法,其特征在于,所述步骤S1具体为:建立系统模型,以路边单元RSU为原点(0,0)来建立二维坐标,RSU的通信范围为R;
定义任务车辆Vi的位置为(Xi,Yi),服务车辆Vk的位置为(Xk,Yk),任务车辆Vi与服务车辆Vk的速度相同,皆为v。
3.根据权利要求2所述的方法,其特征在于,所述步骤S2具体为:路边单元RSU收集所有的任务信息,按照任务的优先级Sn进行排序,高优先级的任务优先执行;
判断任务车辆Vi与服务车辆Vk是否在RSU的通信范围内,并开始进行任务的卸载;
计算任务车辆Vi将任务φn卸载到周围服务车辆Vk所需要的时间 并将其与任务φn的截止日期 进行比较,来筛选出可以提供服务的车辆Vk。
4.根据权利要求3所述的方法,其特征在于:所述时间 的计算公式为:其中,Dn表示输入数据大小,ri,k表示任务车辆Vi与服务车辆Vk之间的传输速率,Cn表示完成任务所需的CPU周期的计算大小,θK表示车辆所拥有的计算能力。
5.根据权利要求3所述的方法,其特征在于,所述步骤S3具体为:根据筛选出的可以提供服务的车辆Vk,计算出任务φn卸载到服务车辆Vk的服务可用性 并判断服务是否可行;
接着,根据服务车辆Vk提供的计算共享能力θm,建立车辆偏好列表。
6.根据权利要求5所述的方法,其特征在于:所述服务可用性 的计算公式为:其中,Tk表示任务车辆Vi与服务车辆Vk之间V2V传输链路的持续时间,τn表示延迟约束,εk表示卸载任务被服务车辆Vk接受的概率。
7.根据权利要求6所述的方法,其特征在于:所述持续时间Tk表示为:其中,R表示RSU的通信范围,当 时,表示任务卸载成功,反之,表示任务卸载失败。
8.根据权利要求4所述的方法,其特征在于,所述步骤S4具体为:根据车辆的类型来建立合同,并使用RSU来广播合同信息;
让任务车辆Vi与服务车辆Vk实现双向的匹配,双方签订合同,根据任务的优先级和合同的类型来决定所要支付的报酬;
签订完合同后计算奖励函数r(st,at),表示任务卸载完成。
9.根据权利要求8所述的方法,其特征在于,所述奖励函数r(st,at)表示为:其中,ck(t)是一个二进制变量,ck(t)=1表示计算任务被卸载到Vk中,πk(t)表示每个CPU周期应支付给服务车辆的单价,D(t)表示任务的数据大小,C(t)表示任务所需的计算资源,uk(t)表示为任务的效用函数。
10.根据权利要求9所述的方法,其特征在于,假设在一个周期内有T个时间槽,并且在每个时间槽中,任务车辆的一个计算任务被卸载到一个服务车辆中,则平均奖励可以表示为: