基于条件增强多智能体近端策略优化的V2X网络计算卸载与资源分配方法

《IEEE Open Journal of the Communications Society》：MCORA-V2X: Conditionally-Enhanced MAPPO for Computation Offloading and Resource Allocation in V2X Networks

　　

摘要：

移动边缘计算（MEC）被认为是智能交通系统（ITS）的重要使能技术，为车载应用提供通信和计算资源。随着车载技术的进步和自动驾驶汽车的兴起，其具有高移动性、密集交通和超低时延需求等特点，对通信和计算资源的需求日益增加。车载应用会产生通信和计算密集型任务，这些任务被卸载到相邻车辆或路侧单元（RSU）进行处理。由于高移动性、超低时延以及对计算和通信资源的高要求，任务卸载和资源分配仍是亟待解决的重要问题。针对这些不足，本研究提出MCORA-V2X，一种条件增强的多智能体近端策略优化（MAPPO）框架，用于V2X网络中的计算卸载和资源分配。与采用扁平动作空间的原始MAPPO公式不同，MCORA-V2X引入了条件分层执行器，通过分类头部选择执行层级：本地、V2V、RSU/MEC或云端，然后根据该选择通过面向目标的政策头部分配CPU和带宽。这种分层结构实现了面向目标感知的资源分配，并为不同卸载目标之间异构资源需求提供了结构化表示。该V2X卸载问题被建模为多智能体系统，并在集中训练与去中心化执行（CTDE）范式下使用MCORA-V2X进行求解。进行了全面的仿真实验，结果表明MCORA-V2X在原始回合奖励、移动平均奖励、平均任务时延、吞吐量、任务丢弃率和任务成功率方面均优于现有的卸载方案。