基于改进的混合遗传算法的车联网任务卸载策略研究

丛玉良; 孙闻晞; 薛科; 钱志鸿; 陈绵书

doi:10.11959/j.issn.1000-436x.2022188

您当前的位置：

首页 >

文章列表页 >

基于改进的混合遗传算法的车联网任务卸载策略研究

学术论文 | 更新时间：2024-06-05

- 基于改进的混合遗传算法的车联网任务卸载策略研究
- Research on task offloading strategy of Internet of vehicles based on improved hybrid genetic algorithm
- 通信学报 2022年43卷第10期页码：77-85
- 作者机构：
  
  1. 吉林大学通信工程学院，吉林长春 130012
  2. 中国科学院长春光学精密机械与物理研究所，吉林长春 130012
- 作者简介：
  
  [ "丛玉良（1966– ），女，山东威海人，博士，吉林大学教授，主要研究方向为智能信息处理、车联网、阵列信号处理等" ]
  [ "孙闻晞（1995– ），女，吉林通化人，吉林大学硕士生，主要研究方向为车联网和移动边缘计算，具体为基于MEC的车联网中的卸载问题" ]
  [ "薛科（1995– ），男，吉林长春人，吉林大学硕士生，主要研究方向为车联网、移动边缘计算等" ]
  [ "钱志鸿（1957– ），男，吉林长春人，博士，吉林大学教授、博士生导师，主要研究方向为无线网络与通信理论，包括D2D、车联网技术的未来移动通信网络的移动性和大规模接入问题" ]
  [ "陈绵书（1973– ），男，辽宁海城人，博士，吉林大学副教授、硕士生导师，主要研究方向为图像处理、计算机视觉" ]
- 基金信息：
  
  国家自然科学基金资助项目(61771219)
- DOI：10.11959/j.issn.1000-436x.2022188
  中图分类号： TN929.5
- 网络出版日期：2022-10，
  
  纸质出版日期：2022-10-25
- 稿件说明：
移动端阅览
丛玉良, 孙闻晞, 薛科, 等. 基于改进的混合遗传算法的车联网任务卸载策略研究[J]. 通信学报, 2022,43(10):77-85.

Yuliang CONG, Wenxi SUN, Ke XUE, et al. Research on task offloading strategy of Internet of vehicles based on improved hybrid genetic algorithm[J]. Journal on communications, 2022, 43(10): 77-85.
丛玉良, 孙闻晞, 薛科, 等. 基于改进的混合遗传算法的车联网任务卸载策略研究[J]. 通信学报, 2022,43(10):77-85. DOI： 10.11959/j.issn.1000-436x.2022188.

Yuliang CONG, Wenxi SUN, Ke XUE, et al. Research on task offloading strategy of Internet of vehicles based on improved hybrid genetic algorithm[J]. Journal on communications, 2022, 43(10): 77-85. DOI： 10.11959/j.issn.1000-436x.2022188.

摘要

摘要：针对多车多服务器车联网场景下的卸载决策造成资源分配不合理的问题，提出了一种两阶段启发式的车联网任务卸载策略。该策略利用改进的混合遗传算法（IGHA）与改进的人工鱼群算法（AFSA），结合系统对其内部的平均开销、时延与能耗的要求，对2种改进算法进行多次迭代求解，在任务卸载过程中实现最优资源分配。仿真实验结果表明，相比于基准方案，所提方案可以有效地降低系统内开销并提高任务卸载效率。

Abstract

Aiming at the problem of unreasonable resource allocation caused by the unloading decision in the multi-vehicle and multi-server IoV scenario

a two-stage heuristic IoV task offloading strategy was proposed.This strategy used the improved hybrid genetic algorithm (IHGA) and the improved artificial fish swarm algorithm (AFSA)

combined with the system’s internal average overhead

delay and energy consumption requirements

the two improved algorithm was used for multiple iterations to achieve optimal resource allocation in the process of task unloading.The simulation results show that the proposed scheme can effectively reduce the system internal overhead and improve the task offloading efficiency compared with the benchmark scheme.

关键词

Keywords

references

CHEN S Z , HU J L , SHI Y , et al . A vision of C-V2X:technologies,field testing,and challenges with Chinese development [J ] . IEEE Internet of Things Journal , 2020 , 7 ( 5 ): 3872 - 3881 .

钱志鸿 , 田春生 , 郭银景 , 等 . 智能网联交通系统的关键技术与发展 [J ] . 电子与信息学报 , 2020 , 42 ( 1 ): 2 - 19 .

QIAN Z H , TIAN C S , GUO Y J , et al . The key technology and development of intelligent and connected transportation system [J ] . Journal of Electronics ＆ Information Technology , 2020 , 42 ( 1 ): 2 - 19 .

吕品 , 许嘉 , 李陶深 , 等 . 面向自动驾驶的边缘计算技术研究综述 [J ] . 通信学报 , 2021 , 42 ( 3 ): 190 - 208 .

LYU P , XU J , LI T S , et al . Survey on edge computing technology for autonomous driving [J ] . Journal on Communications , 2021 , 42 ( 3 ): 190 - 208 .

YAN J , BI S Z , ZHANG Y J A . Offloading and resource allocation with general task graph in mobile edge computing:a deep reinforcement learning approach [J ] . IEEE Transactions on Wireless Communications , 2020 , 19 ( 8 ): 5404 - 5419 .

余翔 , 刘一勋 , 石雪琴 , 等 . 车联网场景下的移动边缘计算卸载策略 [J ] . 计算机工程 , 2020 , 46 ( 11 ): 29 - 34 , 41 .

YU X , LIU Y X , SHI X Q , et al . Mobile edge computing offloading strategy under Internet of vehicles scenario [J ] . Computer Engineering , 2020 , 46 ( 11 ): 29 - 34 , 41 .

邓添 , 沈艳 , 史奎锐 . 基于遗传算法的移动边缘计算混合关键任务卸载 [J ] . 信息与电脑(理论版) , 2021 , 33 ( 11 ): 26 - 29 .

DENG T , SHEN Y , SHI K R . Mixed-critical task offloading algorithm for mobile edge computing based on genetic algorithm [J ] . China Computer ＆ Communication , 2021 , 33 ( 11 ): 26 - 29 .

高基旭 , 王珺 . 一种基于遗传算法的多边缘协同计算卸载策略 [J ] . 计算机科学 , 2021 , 48 ( 1 ): 72 - 80 .

GAO J X , WANG J . Multi-edge collaborative computing unloading scheme based on genetic algorithm [J ] . Computer Science , 2021 , 48 ( 1 ): 72 - 80 .

ZHAO J H , LI Q P , GONG Y , et al . Computation offloading and resource allocation for cloud assisted mobile edge computing in vehicular networks [J ] . IEEE Transactions on Vehicular Technology , 2019 , 68 ( 8 ): 7944 - 7956 .

YANG C , LIU Y , CHEN X , et al . Efficient mobility-aware task offloading for vehicular edge computing networks [J ] . IEEE Access , 2019 , 7 : 26652 - 26664 .

梁颖杰 , 马星 , 赵川斌 . 车联网中基于 MEC 和任务优先级的智能卸载策略研究 [J ] . 通信与信息技术 , 2021 ( 2 ): 41 - 45 .

LIANG Y J , MA X , ZHAO C B . Research on intelligent offloading strategy based on MEC and task priority in Internet of vehicles [J ] . Communication ＆ Information Technology , 2021 ( 2 ): 41 - 45 .

EMPRECHA S , PATTARAPRAKORN W , CHUTIPRAPAT V , et al . The study on the effect of electric bus (non-fixed route) to energy consumption in Thailand [C ] // Proceedings of 2016 13th International Conference on Electrical Engineering/Electronics,Computer,Telecommunications and Information Technology (ECTI-CON) . Piscataway:IEEE Press , 2016 : 1 - 5 .

ZHANG K , MAO Y M , LENG S P , et al . Optimal delay constrained offloading for vehicular edge computing networks [C ] // Proceedings of 2017 IEEE International Conference on Communications . Piscataway:IEEE Press , 2017 : 1 - 6 .

ZHANG K , MAO Y M , LENG S P , et al . Delay constrained offloading for Mobile Edge Computing in cloud-enabled vehicular networks [C ] // Proceedings of 2016 8th International Workshop on Resilient Networks Design and Modeling (RNDM) . Piscataway:IEEE Press , 2016 : 288 - 294 .

GAREY M R , JOHNSON D S . Computers and intracdtability:a guide to the theory of NP-completeness [M ] . New York : W.H.Freeman , 1990 .

金玲 , 刘晓丽 , 李鹏飞 , 等 . 遗传算法综述 [J ] . 科学中国人 , 2015 ( 27 ): 230 .

JIN L , LIU X L , LI P F , et al . A survey of genetic algorithms [J ] . Scientific Chinese , 2015 ( 27 ): 230 .

徐宗本 . 计算智能—模拟进化计算 [M ] . 北京 : 高等教育出版社 , 2005 .

XU Z B . Computational intelligence - simulating evolutionary computation [M ] . Beijing : Higher Education Press , 2005 .

JIA S Y , ZHOU K , ZHOU S S , et al . An artificial fish swarm algorithm for a multi-objective grain transportation problem [J ] . Evolutionary Intelligence , 2020 , 13 ( 1 ): 9 - 19 .

赵有生 , 邸晟钧 , 王占全 , 等 . 改进的人工鱼群算法采煤机调高控制策略 [J ] . 煤炭工程 , 2020 , 52 ( 2 ): 136 - 141 .

ZHAO Y S , DI S J , WANG Z Q , et al . Improved artificial fish swarm algorithm for height control strategy of shearer [J ] . Coal Engineering , 2020 , 52 ( 2 ): 136 - 141 .

浏览量

642

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

内容新鲜度保障的车联网多智能体缓存分发策略

面向新能源汽车能源交易系统的PoRT共识机制

基于新型可净化多重签名的车联网高效假名证书分发方案

面向双层区块链的人车分离信任管理方案

车联网联邦学习的数据异质性问题及基于个性化的解决方法综述