基于GAT-DDPG的无人机辅助车联网任务卸载策略

本发明属于车联网领域，具体涉及了一种基于gat-ddpg的无人机辅助车联网任务卸载策略。

背景技术：

1、人工智能技术在车辆上的应用，对计算延迟和可靠性具有较高要求，同时车载计算资源相对有限，因此，智能车辆需要将部分或全部的计算任务转交给其他算力资源充足且高性能的设备进行处理，这个转交计算任务的过程称为任务卸载。

2、目前的任务卸载策略没有考虑涉及多个智能体的复杂问题处理，另一方面，目前的任务卸载策略没有考虑降低边缘计算任务的时延，深度强化学习网络往往缺乏对环境中重要元素的适当关注和加权，往往侧重于单个智能体与环境的交互，这导致在处理涉及多个智能体的复杂问题时面临挑战。因此，现有的任务卸载策略有待改进。

技术实现思路

1、为了解决现有技术中的上述问题，即处理多个智能体和边缘计算任务时延的问题，本发明提供了一种基于gat-ddpg的无人机辅助车联网任务卸载策略，能够对多车多智能体复杂场景下的车辆任务卸载进行优化，降低总时延，并且能够降低边缘计算任务的时延。

2、本发明的第一方面，提出了一种基于gat-ddpg的无人机辅助车联网任务卸载策略，确定所述任务卸载策略，包括：根据车辆本地任务处理估计时间、无人机任务总执行估计时间、边缘服务器任务总执行估计时间和任务卸载策略组合，设置总时延最小化的目标函数；目标函数的约束条件包括：将无人机处理任务的时间约束为不能超过车辆在无人机服务覆盖范围内停留的时间，相同时隙下车辆最多选择一个边缘服务器或无人机进行任务卸载，卸载比例为0到1；采用gat-ddpg算法，确定所述目标函数的最优解，得到优化的任务卸载策略。

3、本发明的第二方面，提出了一种无人机辅助车联网任务卸载策略，确定所述任务卸载策略，包括：根据车辆本地任务处理估计时间、无人机任务总执行估计时间、边缘服务器任务总执行估计时间和任务卸载策略组合，设置目标函数；目标函数的约束条件包括：将无人机处理任务的时间约束为不能超过车辆在无人机服务覆盖范围内停留的时间，相同时隙下车辆最多选择一个边缘服务器或无人机进行任务卸载，卸载比例为0到1；确定所述目标函数的最优解，得到优化的任务卸载策略。

4、具体的，目标函数，具体为：

5、

6、其中，，；表示任务卸载策略集合 a和任务卸载比例集合 p的集合；表示无人机和边缘服务器的总计算资源；，表示车辆集合， n表示车辆编号， n表示车辆总数；，表示无人机集合， m表示无人机编号， m表示无人机总数；，表示车辆 n卸载任务到无人机 m的任务卸载策略，表示车辆 n卸载任务到边缘服务器的任务卸载策略，任务卸载策略为1表示卸载，任务卸载策略为0表示不卸载；，表示车辆 n卸载任务到无人机 m的比例，表示车辆 n卸载任务到边缘服务器的比例；表示无人机 m在服务周期内的总计算资源；表示边缘服务器在服务周期内的总计算资源；，表示服务周期， t表示时隙编号， t表示时隙总数，每个时隙是服务周期的；表示时隙 t内总估计时延，，表示时隙 t内车辆 n本地任务处理估计时间，表示时隙 t内车辆 n卸载至无人机 m的无人机任务总执行估计时间，表示时隙 t内车辆 n卸载至边缘服务器的边缘服务器任务总执行估计时间；表示车辆 n在无人机 m服务覆盖范围内停留时间；表示车辆 n任务最大容忍延迟；表示无人机 m分配到时隙 t内的计算资源，表示边缘服务器分配到时隙 t内的计算资源，表示时隙 t内无人机 m分配给车辆 n的计算资源，表示时隙 t内边缘服务器分配给车辆 n的计算资源，表示时隙 t内车辆 n卸载任务的数据量，表示在服务周期内车辆 n卸载任务的总数据量。

7、上述基于gat-ddpg的无人机辅助车联网任务卸载策略的有益效果包括：

8、（1）能够对涉及多个车辆和多个智能体场景中的车辆任务卸载时延问题进行优化，得到多车多智能体复杂场景下的车辆任务卸载优化策略，降低总时延，并且能够降低边缘计算任务的时延。

9、（2）采用了基于图注意力网络(graph attention network，gat)和深度确定性策略梯度(deepdeterministic policy gradient，ddpg)相结合的框架，gat能够更好地理解智能体之间的通信和计算资源分配，利用gat在多车多智能体拓扑数据上较优的特征提取性能，将提取的特征输入ddpg，能够有效提高gat-ddpg的特征提取效率及拟合效率，相比单纯的ddpg网络，更适合于多车多智能体复杂场景下确定任务卸载策略，有效降低边缘计算任务的时延，为实现多无人机辅助的车联网系统提供了可行有效的保障。

10、上述一种无人机辅助车联网任务卸载策略的有益效果包括：能够对涉及多个车辆和多个智能体场景中的车辆任务卸载时延问题进行优化，得到多车多智能体复杂场景下的车辆任务卸载优化策略，降低总时延，并且能够降低边缘计算任务的时延。

11、本发明的其它特征和优点将在随后的说明书中阐述。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

技术特征：

1.基于gat-ddpg的无人机辅助车联网任务卸载策略，其特征在于，确定所述任务卸载策略，包括：

2.根据权利要求1所述的基于gat-ddpg的无人机辅助车联网任务卸载策略，其特征在于，所述目标函数，具体为：

3.根据权利要求1所述的基于gat-ddpg的无人机辅助车联网任务卸载策略，其特征在于，

4.根据权利要求3所述的基于gat-ddpg的无人机辅助车联网任务卸载策略，其特征在于，

5.根据权利要求4所述的基于gat-ddpg的无人机辅助车联网任务卸载策略，其特征在于，

6.根据权利要求1所述的基于gat-ddpg的无人机辅助车联网任务卸载策略，其特征在于，

7.根据权利要求1所述的基于gat-ddpg的无人机辅助车联网任务卸载策略，其特征在于，采用gat-ddpg算法，确定所述目标函数的最优解，得到优化的任务卸载策略，包括：

8.根据权利要求7所述的基于gat-ddpg的无人机辅助车联网任务卸载策略，其特征在于，

9.一种无人机辅助车联网任务卸载策略，其特征在于，确定所述任务卸载策略，包括：

10.根据权利要求9所述的无人机辅助车联网任务卸载策略，其特征在于，所述目标函数，具体为：

技术总结本发明属于车联网领域，涉及了一种基于GAT‑DDPG的无人机辅助车联网任务卸载策略，确定所述任务卸载策略，包括：根据车辆本地任务处理估计时间、无人机任务总执行估计时间、边缘服务器任务总执行估计时间和任务卸载策略组合，设置总时延最小化的目标函数；采用GAT‑DDPG算法，确定目标函数的最优解，得到优化的任务卸载策略。本发明通过建立系统模型将无人机辅助的车联网边缘计算卸载策略优化问题转化为多智能体优化问题，能够对涉及多个车辆和多个智能体场景中的车辆任务卸载时延问题进行优化，得到多车多智能体复杂场景下的车辆任务卸载优化策略，降低总时延，并且能够降低边缘计算任务的时延。技术研发人员：严明,熊瑞,吕朝辉受保护的技术使用者：中国传媒大学技术研发日：技术公布日：2024/9/2