计算机研究与发展

作者：李可,马赛,戴朋林,任婧,范平志,

关键词：蜂窝车联网, 无线资源分配, 信息年龄, 深度强化学习, 多目标优化,

针对车联网动态不确定特性、业务类型多元化以及无线通信资源稀缺性，研究了蜂窝车联网车与网络（vehicle-to-network，V2N）和车与车（vehicle-to-vehicle，V2V）链路共存且共享频谱场景下保证业务多指标需求和无线资源有效利用的问题.首先建立多目标优化问题模型来表示蜂窝车联网信道选择和功率控制的决策过程，该问题考虑了网络环境动态变化的影响，旨在实现优化目标V2V链路的性能（即信息年龄、延迟以及传输速率）和V2N链路传输速率之间的权衡.在此基础上，提出了基于多目标深度强化学习的车车通信无线资源分配算法进行神经网络训练和问题求解.通过训练好的神经网络模型可以得到多目标优化问题的帕累托前沿.仿真实验表明，所提出算法能够有效地权衡不同通信链路可实现的性能.与4种有代表性的算法比较，V2V链路信息年龄降低12.0%~17.2%，V2N链路传输速率提升11.4%~21.6%，V2V链路传输成功率提高4.6~13.91个百分点，决策延迟时间降低10.6%~20.3%.

来源：2024年第9期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2024年第9期