观林望实的博客

本文针对曼哈顿V2V网络中长期性能，通过结合信息年龄的资源管理进行了优化。通过观察每个时隙的全局网络状态，RSU将为VUE对分配频带并调度包的传输。本文将随机决策过程建模为一个离散时间MDP。技术难题包括：交通信息到达的高移动性和时变性带来的最优控制问题。解法为，首先将原始MDP分解为一系列VUE对的MDP。对于VUE在局部网络状态空间中的部分可观测性和高维诅咒，通过基于LSTM和DQN的算法加以解决。利用该算法，RSU根据部分观测在每个调度时隙以分布式的方式进行最优频带分配和分组调度。介绍V.

未来的汽车将具备更加丰富的资源来支持自动驾驶的应用，而无线通信技术将被用来建立连接。因此，车辆雾网（VeFNs）被提出，其通过任务卸载的方式实现计算资源的共享，并提供了广泛的雾应用。然而车辆的高机动性让任务卸载既要考虑通信又要考虑计算时延的需求。本文中首先回顾了VeFN中任务卸载的现状，然后讨论了移动性作为实时性计算的障碍外，还有提升延迟的可能。其次，我们将通过ML方法和编码计算作为解决何利用VeFN中高移动性的关键技术，通过实例研究展示了如何利用移动新来优化系统性能。结论本文首先通过最新的文献综述