论文笔记2 2020.1.27_文献中的rsu指的是?它的计算资源的多大-CSDN博客

本文链接：https://blog.csdn.net/weixin_44436360/article/details/104094696

论文笔记 2

此处用来记录学习论文《Artificial Intelligence Empowered Edge Computing and Caching for Internet of Vehicles》后的收获。

论文解决了什么问题？

车载应用的异构需求和内容普及的时变性给边缘服务器有效利用其资源带来了巨大的挑战。此外，车辆具有高移动性，增加了联合优化计算和缓存的复杂性质。文中提出了一种新的基于人工智能的车载网络结构，用于智能车辆的边缘计算和高速缓存。该体系结构可以智能地协调边缘计算和缓存资源。后又提出一个联合边缘计算和缓存问题，以最大化系统的收益，并利用DDPG来设计一个有效的资源分配方案。

用了什么方法？

提出了一种基于人工智能的车载网络结构，利用了人工智能的感知能力，后又利用深度强化学习方法DDPG来设计了一个有效的资源分配方案。以车载网络为环境，在BS上部署智能代理。在文中主要考虑三个移动性参数：位置，速度和方向。可以利用位置来确定特定车辆的最近基站，速度和方向被形式化为特定车辆在其最近基站覆盖范围内的停留时间。
将状态设定为：S=(Di,Fj,Gj,Bj)，其中Di表示智能车俩i的状态，包括其计算任务的大小，所请求内容的大小，所需要的计算资源，所需要的缓存资源，期限，所请求内容的受欢迎程度以及移动性参数。Fj表示可用的计算资源，Gj表示可用的缓存资源，Bj表示边缘服务器j的带宽。
将action设为：其由三部分组成，fij,gij,bij，分别是BS或RSU分配给智能车辆i的计算资源，缓存资源和带宽。fij,gij,bij都是连续变量。
将reward设为系统的收益。

有什么亮点？

提出的基于人工智能的车载网络结构能够实现跨层卸载，协同多点缓存和传输，V2V边缘缓存。
V2V通信技术可以检测到街上行驶的其他车辆的速度，位置等不对其他驾驶员开放的“隐藏”数据。可以节省前端和回程带宽，允许内容到达RSU和BSs覆盖范围之外的地方。
协同多点缓存与交付：单个RSU无法存储整个内容，由于相邻的RSU之间可以通过高性能的有线线路进行通信，所以可将大容量内容划分为多个段，并在多个RSU上进行协作缓存。
跨层卸载：将异构网络与MEC结合，建立了两层的跨层卸载，可处理需要超低时延和超高计算资源的任务。