[发明专利]一种具有负载均衡的车联网资源分配方法

权利要求书

1.一种具有负载均衡的车联网资源分配方法，其特征在于，所述资源分配方法包括以下步骤：

S1、构建V2I通信的车联网场景，所述车联网场景包括单个SDN控制器以及多个车辆、基站和MEC服务器，每个基站均配置一个MEC服务器，每个基站配置有限的通信资源，基站间通过光纤连接，车辆与基站间通过无线连接，所述车联网场景利用NFV技术对通信资源和计算资源进行虚拟化，根据车辆的时空分布，SDN控制器为MEC服务器配置有限的计算资源，并由SDN控制器集中控制通信资源和计算资源的联合分配，车辆具备V2I通信能力，其中，MEC表示移动边缘计算，NFV表示网络功能虚拟化，SDN表示软件定义网络，V2I表示车辆与基础设施；

S2、SDN控制器收集通信小区内基础设施与车辆的资源状态信息，作为DQN的输入状态，DQN以车辆与基础设施的连接状态作为输出动作，其中，DQN表示深度Q值网络，所述资源状态信息包括基站到车辆的下行速率、基站下行速率的使用占比、基站与车辆在上一子帧的奖励、MEC服务器到车辆的计算速率、MEC服务器计算速率的使用占比、MEC服务器与车辆在上一子帧的奖励以及车辆请求的任务大小，所述连接状态包括车辆与基站的连接、车辆与MEC服务器的连接；

S3、以车辆通信和计算卸载的负载均衡为优化目标，结合约束条件，建立最优化问题模型；

所述步骤S3中，为了实现车辆通信和计算卸载的负载均衡，需要最小化ε^bs(t)和ε^mec(t)的方差，同时最大化和定义子帧t时车辆u与基站k的历史连接情况为表达式如下：

车辆与基站间的负载均衡优化目标函数为：

其中，式(16)中第一项目标函数表示最小化基站为车辆提供的累积下行速率方差，式(16)中第二项目标函数表示最大化所有基站与车辆的整体下行速率，表示ε^bs(t)的均值，表达式如下：

定义子帧t时车辆u与MEC服务器m的历史连接情况为表达式如下：

车辆与MEC服务器间的负载均衡优化目标函数为：

其中，式(19)中第一项目标函数表示最小化MEC服务器为车辆提供的累积计算速率方差，式(19)中第二项目标函数表示最大化所有MEC服务器与车辆的整体计算速率，表示ε^mec(t)的均值，表达式如下：

根据所述车辆与基站间以及车辆与MEC服务器间的负载均衡目标函数，建立联合车辆通信和计算卸载的负载均衡最优化数学模型如下：

上述约束条件中，C1表示每一基站的通信资源约束条件；C2表示每一MEC服务器的计算资源约束条件；C3表示每一车辆在每个子帧最多只能连接到一个基站；C4表示每一车辆在每个子帧最多只能连接到一个MEC服务器；C5表示车辆与基站的连接行为，取值为0或1，当取值为1表示连接，当取值为0表示未连接；C6表示车辆与MEC服务器的连接行为，取值为0或1，当取值为1表示连接，当取值为0表示未连接；

S4、根据最优化问题模型，设计DQN奖励函数和DQN神经网络结构；所述步骤S4过程如下：

S4.1、设计DQN奖励函数如下：

在子帧t时车辆u接入基站k的奖励函数为表达式如下：

上式中，当时，表示车辆u与基站k在子帧t之前存在过历史连接；当时，表示车辆u与基站k在子帧t之前未曾连接过，此时车辆u接入基站k的资源使用占比越小，则对应的奖励越大，否则，车辆u接入基站k的资源使用占比越大，对应的奖励越小；

在子帧t时车辆u接入MEC服务器m的奖励函数为表达式如下：

上式中，当时，表示车辆u与MEC服务器m在子帧t之前存在过历史连接；当时，表示车辆u与MEC服务器m在子帧t之前未曾连接过，此时车辆u接入MEC服务器m的资源使用占比越小，则对应的奖励越大，否则，车辆u接入MEC服务器m的资源使用占比越大，对应的奖励越小；

联合奖励函数和并与上一子帧的奖励和作差，从而计算出当前动作作用于环境后的联合奖励，车辆u在子帧t时的联合奖励函数为r_u(t)，表达式如下：

S4.2、设计DQN网络结构，其中，DQN的网络输入的维度为[1,H,W]，其中，1表示通道数，H表示高，W表示宽，先通过4层卷积层逐步提取输入状态的特征，然后经过通道注意力模块来对特征通道进行加权，之后用两个全连接层分别对加权后的输出做特征选择，最后作相加融合得到各个输出动作的Q值；

S5、通过步骤S4中设计得到的DQN神经网络结构，提取输入状态的特征，拟合Q表的状态动作函数，得到各种输入状态下输出动作的Q值，并结合奖励函数训练和更新神经网络；

S6、利用DQN进行推理时，根据输入状态，SDN控制器输出相应的动作Q值序列，将Q值最大的动作作为车辆通信和计算卸载的策略。