Offloading de tarefas e armazenamento de serviços baseados em aprendizado profundo em computação de borda veicular

Como uma solução promissora, a Computação de Borda Veicular (VEC) aborda o desafio da tecnologia sem motorista para processar tarefas computacionalmente intensivas de forma sensível à latência, descarregando as tarefas computacionais intensivas do veículo para servidores MEC ou para a nuvem. No entanto, em situações com recursos limitados de servidores, reduzir a latência do serviço e melhorar a eficiência do processamento de solicitações de serviço continua a ser uma tarefa desafiadora. Para enfrentar esse problema, propomos uma estrutura conjunta de descarregamento de tarefas e armazenamento de serviços visando minimizar o custo de veículos não tripulados. Inicialmente, formulamos o problema como um problema de programação não linear inteira mista, transformando-o subsequentemente em um problema resolvível de Processo de Decisão de Markov Parcialmente Observável (POMDP). Em seguida, projetamos e introduzimos uma estrutura de algoritmo de descarregamento de tarefas baseada em DDQNL para abordar esse problema. O desempenho do algoritmo proposto é validado por meio de comparações com outros algoritmos base.