小型微型计算机系统ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓＤＯＩ：１０．２０００９／ｊ．ｃｎｋｉ．２１⁃１１０６／ＴＰ．２０２１⁃０６３３２０２３年３月第３期Ｖｏｌ．４４Ｎｏ．３２０２３收稿日期：２０２１⁃０８⁃１１收修改稿日期：２０２１⁃０９⁃２７基金项目：天津市自然科学基金项目（１８ＪＣＹＢＪＣ８５９００，１８ＪＣＱＮＪＣ７０２００）资助；国家自然科学基金项目（６１９０２２８２，６２００２２６３）资助；天津市企业科技特派员项目（２０ＹＤＴＰＪＣ００６２）资助．作者简介：王振川，男，１９９８年生，硕士研究生，研究方向为车联网和深度学习；花季伟（通讯作者），男，１９７８年生，博士，讲师，研究方向为物联网；朱金奇，女，１９８１年生，博士，教授，研究方向为移动计算、车载网络和网络安全；孙麒惠，女，１９９８年生，硕士研究生，研究方向为车联网和边缘计算；郑敏，女，１９７３年生，硕士研究生，讲师，研究方向为电子信息技术、通信技术；李云龙，男，１９８３年生，硕士研究生，副教授，研究方向为自动化控制技术．面向停车合作基于深度强化学习的车辆任务卸载王振川１，花季伟１，朱金奇１，孙麒惠１，郑敏１，李云龙２１（天津师范大学计算机与信息工程学院，天津３００３８７）２（天津中德应用技术大学智能制造学院，天津３００３５０）Ｅ⁃ｍａｉｌ：２５６０３４７２９２＠ｑｑ．ｃｏｍ摘要：针对路边基础设施受损或失效情况下卸载任务无法被执行的状况，提出令拥有丰富计算资源的路边停放车辆彼此合作，执行车联网中移动车辆产生的计算密集型任务．在把一条道路的路边停放车辆组织成停车簇后，首先分析各卸载任务所需最佳资源量，接着提出基于深度强化学习（ＤｅｅｐＲｅｉｎｆｏｒｃｅｍｅｎｔＬｅａｒｎｉｎｇ，ＤＲＬ）的计算任务分块卸载算法，将任务划分为多个子任务后由多个停放车辆并行执行，以最小化任务执行延迟和执行任务能耗开销构成的总成本．大量仿真结果表明，本文所提算法的任务执行完成率大大高于其他对比算法，且具有最低的任务执行成本开销．关键词：边缘计算；停放车辆；任务卸载；深度强化学习中图分类号：ＴＰ３９３文献标识码：Ａ文章编号：１０００⁃１２２０（２０２３）０３⁃０６５８⁃０７ＶｅｈｉｃｌｅＴａｓｋＯｆｆｌｏａｄｉｎｇＢａｓｅｄｏｎＤｅｅｐＲｅｉｎｆｏｒｃｅｍｅｎｔＬｅａｒｎｉｎｇｆｏｒＰａｒｋｅｄＶｅｈ...
