基于多智能体深度强化学习的车联网可信任务卸载策略

来源：计算机应用研究杂志2024年第7期北京时间：

作者：王亚丽,娄世豪,

单位：1.苏州城市学院计算机科学与人工智能学院,江苏苏州215104；2.河南师范大学计算机与信息工程学院,河南新乡453000；

摘要：针对车联网中边缘节点的可信性无法保证的问题，提出了一种基于声誉的车联网可信任务卸载模型，用记录在区块链上的边缘节点声誉来评估其可信度，从而帮助终端设备选取可靠的边缘节点进行任务卸载。同时，将卸载策略建模为声誉约束下的时延和能耗最小化问题，采用多智能体深度确定性策略梯度算法来求解该NP-hard问题的近似最优解，边缘服务器依据任务卸载的完成情况获得奖励，然后据此更新记录在区块链上的声誉。仿真实验表明，与基准测试方案相比，该算法在时延和能耗方面降低了25.58%~27.44%。

关键词：车联网,边缘计算,区块链,深度强化学习,任务卸载,

基金资助：国家自然科学基金资助项目(62072159)；河南省科技攻关资助项目(222102210011,232102211061)；；