车载网络任务卸载算法

部分信息下提升效用

该算法结合可微分神经计算机与优势演员评论家框架，利用外部记忆探索策略空间，在车辆间信息受限的动态场景中实现近似最优卸载决策。

Jing, Zhang · 沈斐 · 燕锋 · Jie, Li

IEEE Transactions on Network Science and Engineering 2026

技术优势

效用比别人高

在真实数据集上，计算卸载效用相比现有方案有明显提升。

收敛更快

通过调整奖励表示，训练效率提高，算法收敛速度加快。

应用场景

• 工业机器人：仓库或工厂内多机器人协同搬运时，用该算法在信息不共享的情况下仍能做出近似最优卸载决策。
• 无人机：无人机集群在动态信道和有限资源下执行任务时，用该算法分散决策，避免集中控制的延迟。
• 物联网与传感网：海量传感器节点计算能力弱，可将任务卸载到边缘服务器，该算法在节点间不共享信息时提升系统效用。