来源：期刊VIP网 时间：
作者：陈姗;肖亦婧;葛平政;赵军辉;
单位：华东交通大学信息工程学院;北京交通大学电子信息工程学院;
摘要：针对车联网(Internet of Vehicles, IoV)中资源分配和任务排队算法的问题，同时考虑到任务对延迟的不同敏感度，提出了基于深度强化学习的联合任务排序和资源分配(Joint Task Sequencing and Resource Allocation, JTSARA)策略对任务进行差异处理。将任务从传输到执行的过程建模为多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning, MADRL)模型，采用多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient, MADDPG)算法开发JTSARA策略，优化频谱、功率和移动边缘计算(Mobile Edge Computing, MEC)服务器计算资源的分配。设计了一种优化的任务排序方法，根据时延敏感度对任务分级，并在每个时隙重新排列队列，智能体通过环境交互学习，形成集中式训练、分布式执行的策略。通过仿真实验，验证了该方案在低等级任务情况下中断率减少20%～40%,大大提高了系统的整体任务完成率。
关键词：移动边缘计算;;车联网;;资源分配;;深度强化学习
基金资助：国家自然科学基金(U2001213);; 北京市自然科学基金(L182018);; 国家重点研发计划(2020YFB1807204)~~
