车联网环境下基于强化学习的边缘服务器部署策略

来源：计算机集成制造系统杂志2022年第10期北京时间：

作者：严翰致, 许小龙, 代飞, 齐连永, 窦万春, 李彤

单位：1.南京信息工程大学计算机与软件学院2.西南林业大学大数据与智能工程学院3.曲阜师范大学信息科学与工程学院4.南京大学计算机软件新技术国家重点实验室5.云南农业大学大数据学院

摘要：鉴于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,提出一种边云协同的5G车联网边缘计算系统模型,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,其以负载优化为核心目标,在保证低延迟和低能耗前提下实现边缘服务器间的负载均衡。根据路边单元位置信息用Canopy聚类获取初始的聚簇数,用模糊C均值聚类获取路边单元的初始划分,并输出路边单元归属优先级矩阵;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。通过对比实验验证了该策略在低服务延迟和低能耗下,能够高度实现边缘服务器间的负载均衡,表明该策略具有优越性。

关键词：边缘计算,负载均衡,模糊C均值,强化学习

基金资助：国家重点研发计划资助项目(2020YFB1707600);新疆生产建设兵团财政科技支撑计划资助项目(2020DB005)。