基于改进的混合遗传算法的车联网任务卸载策略研究

doi:10.11959/j.issn.1000-436x.2022188

通信学报 ›› 2022, Vol. 43 ›› Issue (10): 77-85.doi: 10.11959/j.issn.1000-436x.2022188

基于改进的混合遗传算法的车联网任务卸载策略研究

丛玉良¹, 孙闻晞¹, 薛科², 钱志鸿¹, 陈绵书¹

¹ 吉林大学通信工程学院，吉林长春 130012
² 中国科学院长春光学精密机械与物理研究所，吉林长春 130012

修回日期:2022-09-23 出版日期:2022-10-25 发布日期:2022-10-01
作者简介:丛玉良（1966– ），女，山东威海人，博士，吉林大学教授，主要研究方向为智能信息处理、车联网、阵列信号处理等
孙闻晞（1995– ），女，吉林通化人，吉林大学硕士生，主要研究方向为车联网和移动边缘计算，具体为基于MEC的车联网中的卸载问题
薛科（1995– ），男，吉林长春人，吉林大学硕士生，主要研究方向为车联网、移动边缘计算等
钱志鸿（1957– ），男，吉林长春人，博士，吉林大学教授、博士生导师，主要研究方向为无线网络与通信理论，包括D2D、车联网技术的未来移动通信网络的移动性和大规模接入问题
陈绵书（1973– ），男，辽宁海城人，博士，吉林大学副教授、硕士生导师，主要研究方向为图像处理、计算机视觉
基金资助:
国家自然科学基金资助项目(61771219)

Research on task offloading strategy of Internet of vehicles based on improved hybrid genetic algorithm

Yuliang CONG¹, Wenxi SUN¹, Ke XUE², Zhihong QIAN¹, Mianshu CHEN¹

¹ College of Communication Engineering, Jilin University, Changchun 130012, China
² Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130012, China

Revised:2022-09-23 Online:2022-10-25 Published:2022-10-01
Supported by:
The National Natural Science Foundation of China(61771219)

摘要/Abstract

摘要：

摘要：针对多车多服务器车联网场景下的卸载决策造成资源分配不合理的问题，提出了一种两阶段启发式的车联网任务卸载策略。该策略利用改进的混合遗传算法（IGHA）与改进的人工鱼群算法（AFSA），结合系统对其内部的平均开销、时延与能耗的要求，对2种改进算法进行多次迭代求解，在任务卸载过程中实现最优资源分配。仿真实验结果表明，相比于基准方案，所提方案可以有效地降低系统内开销并提高任务卸载效率。

关键词: 车联网, 卸载, 遗传算法, 人工鱼群算法

Abstract:

Aiming at the problem of unreasonable resource allocation caused by the unloading decision in the multi-vehicle and multi-server IoV scenario, a two-stage heuristic IoV task offloading strategy was proposed.This strategy used the improved hybrid genetic algorithm (IHGA) and the improved artificial fish swarm algorithm (AFSA), combined with the system’s internal average overhead, delay and energy consumption requirements, the two improved algorithm was used for multiple iterations to achieve optimal resource allocation in the process of task unloading.The simulation results show that the proposed scheme can effectively reduce the system internal overhead and improve the task offloading efficiency compared with the benchmark scheme.

Key words: Internet of vehicles, offloading, genetic algorithm, artificial fish swarm algorithm

中图分类号:

TN929.5

丛玉良, 孙闻晞, 薛科, 钱志鸿, 陈绵书. 基于改进的混合遗传算法的车联网任务卸载策略研究[J]. 通信学报, 2022, 43(10): 77-85.

Yuliang CONG, Wenxi SUN, Ke XUE, Zhihong QIAN, Mianshu CHEN. Research on task offloading strategy of Internet of vehicles based on improved hybrid genetic algorithm[J]. Journal on Communications, 2022, 43(10): 77-85.

图/表 10

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

参考文献 10

[10]	LIANG Y J , MA X , ZHAO C B . Research on intelligent offloading strategy based on MEC and task priority in Internet of vehicles[J]. Communication ＆ Information Technology, 2021(2): 41-45.
[11]	EMPRECHA S , PATTARAPRAKORN W , CHUTIPRAPAT V ,et al. The study on the effect of electric bus (non-fixed route) to energy consumption in Thailand[C]// Proceedings of 2016 13th International Conference on Electrical Engineering/Electronics,Computer,Telecommunications and Information Technology (ECTI-CON). Piscataway:IEEE Press, 2016: 1-5.
[12]	ZHANG K , MAO Y M , LENG S P ,et al. Optimal delay constrained offloading for vehicular edge computing networks[C]// Proceedings of 2017 IEEE International Conference on Communications. Piscataway:IEEE Press, 2017: 1-6.
[13]	ZHANG K , MAO Y M , LENG S P ,et al. Delay constrained offloading for Mobile Edge Computing in cloud-enabled vehicular networks[C]// Proceedings of 2016 8th International Workshop on Resilient Networks Design and Modeling (RNDM). Piscataway:IEEE Press, 2016: 288-294.
[14]	GAREY M R , JOHNSON D S . Computers and intracdtability:a guide to the theory of NP-completeness[M]. New York: W.H.Freeman, 1990.
[15]	金玲, 刘晓丽, 李鹏飞 ,等. 遗传算法综述[J]. 科学中国人, 2015(27): 230.
	JIN L , LIU X L , LI P F ,et al. A survey of genetic algorithms[J]. Scientific Chinese, 2015(27): 230.
[16]	徐宗本 . 计算智能—模拟进化计算[M]. 北京: 高等教育出版社, 2005.
	XU Z B . Computational intelligence - simulating evolutionary computation[M]. Beijing: Higher Education Press, 2005.
[17]	JIA S Y , ZHOU K , ZHOU S S ,et al. An artificial fish swarm algorithm for a multi-objective grain transportation problem[J]. Evolutionary Intelligence, 2020,13(1): 9-19.
[18]	赵有生, 邸晟钧, 王占全 ,等. 改进的人工鱼群算法采煤机调高控制策略[J]. 煤炭工程, 2020,52(2): 136-141.
	ZHAO Y S , DI S J , WANG Z Q ,et al. Improved artificial fish swarm algorithm for height control strategy of shearer[J]. Coal Engineering, 2020,52(2): 136-141.
[1]	CHEN S Z , HU J L , SHI Y ,et al. A vision of C-V2X:technologies,field testing,and challenges with Chinese development[J]. IEEE Internet of Things Journal, 2020,7(5): 3872-3881.
[2]	钱志鸿, 田春生, 郭银景 ,等. 智能网联交通系统的关键技术与发展[J]. 电子与信息学报, 2020,42(1): 2-19.
	QIAN Z H , TIAN C S , GUO Y J ,et al. The key technology and development of intelligent and connected transportation system[J]. Journal of Electronics ＆ Information Technology, 2020,42(1): 2-19.
[3]	吕品, 许嘉, 李陶深 ,等. 面向自动驾驶的边缘计算技术研究综述[J]. 通信学报, 2021,42(3): 190-208.
	LYU P , XU J , LI T S ,et al. Survey on edge computing technology for autonomous driving[J]. Journal on Communications, 2021,42(3): 190-208.
[4]	YAN J , BI S Z , ZHANG Y J A . Offloading and resource allocation with general task graph in mobile edge computing:a deep reinforcement learning approach[J]. IEEE Transactions on Wireless Communications, 2020,19(8): 5404-5419.
[5]	余翔, 刘一勋, 石雪琴 ,等. 车联网场景下的移动边缘计算卸载策略[J]. 计算机工程, 2020,46(11): 29-34,41.
	YU X , LIU Y X , SHI X Q ,et al. Mobile edge computing offloading strategy under Internet of vehicles scenario[J]. Computer Engineering, 2020,46(11): 29-34,41.
[6]	邓添, 沈艳, 史奎锐 . 基于遗传算法的移动边缘计算混合关键任务卸载[J]. 信息与电脑(理论版), 2021,33(11): 26-29.
	DENG T , SHEN Y , SHI K R . Mixed-critical task offloading algorithm for mobile edge computing based on genetic algorithm[J]. China Computer ＆ Communication, 2021,33(11): 26-29.
[7]	高基旭, 王珺 . 一种基于遗传算法的多边缘协同计算卸载策略[J]. 计算机科学, 2021,48(1): 72-80.
	GAO J X , WANG J . Multi-edge collaborative computing unloading scheme based on genetic algorithm[J]. Computer Science, 2021,48(1): 72-80.
[8]	ZHAO J H , LI Q P , GONG Y ,et al. Computation offloading and resource allocation for cloud assisted mobile edge computing in vehicular networks[J]. IEEE Transactions on Vehicular Technology, 2019,68(8): 7944-7956.
[9]	YANG C , LIU Y , CHEN X ,et al. Efficient mobility-aware task offloading for vehicular edge computing networks[J]. IEEE Access, 2019,7: 26652-26664.
[10]	梁颖杰, 马星, 赵川斌 . 车联网中基于 MEC 和任务优先级的智能卸载策略研究[J]. 通信与信息技术, 2021(2): 41-45.

基于改进的混合遗传算法的车联网任务卸载策略研究

Research on task offloading strategy of Internet of vehicles based on improved hybrid genetic algorithm

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 10

相关文章 15

Metrics

推荐阅读 0

[1]	张海波, 兰凯, 陈舟, 王汝言, 邹灿, 王明月. 车联网中基于环的匿名高效批量认证与组密钥协商协议[J]. 通信学报, 2023, 44(6): 103-116.
[2]	张海波, 曹钰坤, 刘开健, 王汝言. 车联网中基于区块链的分布式信任管理方案[J]. 通信学报, 2023, 44(5): 148-157.
[3]	刘雪娇, 钟强, 夏莹杰. 基于双层分片区块链的车联网跨信任域高效认证方案[J]. 通信学报, 2023, 44(5): 213-223.
[4]	刘雪娇, 曹天聪, 夏莹杰. 区块链架构下高效的车联网跨域数据安全共享研究[J]. 通信学报, 2023, 44(3): 186-197.
[5]	张雷, 王玉, 田建杰, 张琳, 章天骄. 基于IRS辅助的MIMO车联网系统联合波束成形设计[J]. 通信学报, 2023, 44(2): 59-69.
[6]	夏景明, 刘玉风, 谈玲. 基于蜂窝网络的多无人机能量消耗最优化算法研究[J]. 通信学报, 2023, 44(2): 185-197.
[7]	曾嵘, 杭潇. 车联网环境下可重构智能反射面辅助无线信道估计算法[J]. 通信学报, 2022, 43(8): 142-150.
[8]	程翔, 张浩天, 杨宗辉, 黄子蔚, 李思江, 余安澜. 车联网通信感知一体化研究：现状与发展趋势[J]. 通信学报, 2022, 43(8): 188-202.
[9]	秦鹏, 和昊婷, 赵雄文, 伏阳, 张钰, 王淼, 王硕, 武雪. 基于停放车辆路边单元环境感知的车联网资源高效分配[J]. 通信学报, 2022, 43(7): 113-125.
[10]	孙雁飞, 尹嘉峥, 亓晋, 胡筱旋, 陈梦婷, 董振江. 基于动态图嵌入的车联网拓扑控制[J]. 通信学报, 2022, 43(6): 133-142.
[11]	朱思峰, 蔡江昊, 柴争义, 孙恩林. 车联网云边协同计算场景下的多目标优化卸载决策[J]. 通信学报, 2022, 43(6): 223-234.
[12]	亓伟敬, 宋清洋, 郭磊. 面向软件定义多模态车联网的双时间尺度RAN切片资源分配[J]. 通信学报, 2022, 43(4): 60-70.
[13]	莫梓嘉, 高志鹏, 杨杨, 林怡静, 孙山, 赵晨. 面向车联网数据隐私保护的高效分布式模型共享策略[J]. 通信学报, 2022, 43(4): 83-94.
[14]	曹敦, 张应宝, 邹电, 王进, 汤强, 冀保峰. V2X多节点协同分布式卸载策略[J]. 通信学报, 2022, 43(2): 185-195.
[15]	邱航, 汤红波, 游伟, 赵宇, 柏溢. NFV中基于量子遗传算法的网络服务扩展算法[J]. 通信学报, 2022, 43(11): 44-52.