一种基于遗传算法的车载边缘计算卸载方案

延迟敏感型和计算密集型车辆应用的出现，给计算资源有限的车联网带来了巨大的挑战。移动边缘计算(Mobile Edge Computing, MEC)是云计算的一种补充，可以有效解决车辆计算资源有限等问题，但是车辆的高机动性以及中心云距离较远导致数据卸载延迟较大，对卸载效率产生较大影响。现有方案大多对车辆的高机动性以及空闲资源的利用方面考虑不足，因此，文中提出一种基于遗传算法的车载边缘计算卸载方案(Genetic Algorithm-based Vehicle Edge Computing Offloading Scheme, GAVECOS)。在该方案中，考虑了任务车辆周围的本地车辆、路边基站上的边缘服务器和空闲车辆的计算资源来卸载任务，然后提出一个以系统总成本最小为目标的优化问题，并利用遗传算法求解该优化问题。最后通过搭建仿真平台对方案进行了验证。仿真结果显示，在综合考虑系统的时延和能耗这两个因素的情况下，该方案与其他4种方案相比总成本有明显的降低。