基于多智能体深度强化学习的智能网联汽车服务迁移优化方法

芮兰兰; 邓淑予; 陈子轩; 高志鹏; 邱雪松; 郭少勇

doi:10.11959/j.issn.1000-436x.2026005

您当前的位置：

首页 >

文章列表页 >

基于多智能体深度强化学习的智能网联汽车服务迁移优化方法

学术论文 | 更新时间：2026-02-10

- 基于多智能体深度强化学习的智能网联汽车服务迁移优化方法
- Service migration optimization method for intelligent connected vehicles based on multi-agent deep reinforcement learning
- 通信学报 2026年47卷第1期页码：141-155
- 作者机构：
  
  北京邮电大学网络与交换技术全国重点实验室，北京 100876
- 作者简介：
  
  [ "芮兰兰（1979- ），女，安徽潜山人，博士，北京邮电大学副教授、硕士生导师，主要研究方向为网络智能管控、边缘计算、区块链、数据可信共享。" ]
  [ "邓淑予（2000- ），女，云南楚雄人，北京邮电大学硕士生，主要研究方向为边缘计算。" ]
  [ "陈子轩（1999- ），男，广东湛江人，北京邮电大学博士生，主要研究方向为网络智能管控。" ]
  [ "高志鹏（1980- ），男，山东滨州人，博士，北京邮电大学教授、硕士生导师，主要研究方向为区块链关键算法与应用、边缘计算与边缘智能、数据应用与管理、隐私计算。" ]
  [ "邱雪松（1973- ），男，江西上饶人，博士，北京邮电大学教授、硕士生导师，主要研究方向为网络智能管理、工业互联网与区块链、数据资产可信共享与交易。" ]
  [ "郭少勇（1985- ），男，河北隆尧人，博士，北京邮电大学教授、硕士生导师，主要研究方向为工业互联网网络管控、数据可信共享与隐私计算、边缘智能应用。" ]
- 基金信息：
  
  国家自然科学基金资助项目(62471051);河北省创新能力提升计划基金资助项目(V1755673688106)
- DOI：10.11959/j.issn.1000-436x.2026005
  中图分类号： TP393
- 收稿：2025-11-12，
  
  修回：2025-12-31，
  
  录用：2026-01-04，
  
  纸质出版：2026-01-25
- 稿件说明：
移动端阅览
芮兰兰,邓淑予,陈子轩等.基于多智能体深度强化学习的智能网联汽车服务迁移优化方法[J].通信学报,2026,47(01):141-155.

Rui Lanlan,Deng Shuyu,Chen Zixuan,et al.Service migration optimization method for intelligent connected vehicles based on multi-agent deep reinforcement learning[J].Journal on Communications,2026,47(01):141-155.
芮兰兰,邓淑予,陈子轩等.基于多智能体深度强化学习的智能网联汽车服务迁移优化方法[J].通信学报,2026,47(01):141-155. DOI： 10.11959/j.issn.1000-436x.2026005.

Rui Lanlan,Deng Shuyu,Chen Zixuan,et al.Service migration optimization method for intelligent connected vehicles based on multi-agent deep reinforcement learning[J].Journal on Communications,2026,47(01):141-155. DOI： 10.11959/j.issn.1000-436x.2026005.

浏览量

314

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

移动边缘计算场景下双时间尺度在线服务迁移方法

移动边缘计算场景下针对资源竞争的服务迁移优化方法

智能网联汽车多样化服务场景下功率与频谱联合优化算法

面向移动边缘计算的高效条件隐私保护认证密钥协商方案

基于多智能体深度强化学习的智能网联汽车服务迁移优化方法

Service migration optimization method for intelligent connected vehicles based on multi-agent deep reinforcement learning

DOI：10.11959/j.issn.1000-436x.2026005