科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有的边缘服务器部署策略，主要用于改善5G、无线城域网等场景下的服务性能，无法直接用于车联网服务部署。因此，一种边云协同的5G车联网边缘计算系统模型被提出，并针对该系统模型设计了基于强化学习的边缘服务器部署策略。具体的，该研究以负载优化为核心目标，在保证低延迟和能耗前提下，实现边缘服务器间的负载均衡。首先，根据路边单元位置信息和距离阀值使用粗聚类算法Canopy计算得到初始的聚簇数。使用Fuzzy C-means算法迭代计算聚簇中心和每个路边单元相对于各个聚簇的隶属度，直至结果收敛于目标函数的局部最小值或鞍点，并输出当前的隶属度矩阵。然后，根据负载优化、时延优化和能耗优化三个目标定义奖励函数，通过强化学习获得路边单元归属的最优状态并计算聚簇中心作为边缘服务器部署位置。最后，通过对比实验验证了该策略在低服务延迟和能耗的前提下，高度实现边缘服务器间的负载均衡，表明了该策略的优越性。
