面向边缘车联网系统的智能服务迁移方法.pdfVIP

第37卷第2期系统仿真学报Vol.37No.2

2025年2月JournalofSystemSimulationFeb.2025

面向边缘车联网系统的智能服务迁移方法

黄思进123，文佳123，陈哲毅1-23

（1.福州大学计算机与大数据学院，福建福州350116；2.空间数据挖掘与信息共享教育部重点实验室，福建福州350002；

3.福建省网络计算与智能信息处理重点实验室（福州大学)，福建福州350116)

摘要：针对车辆移动过程中服务质量(QoS)下降的问题，提出了一种基于凸优化使能深度强化学习

的服务迁移(servicemigrationviaconvex-optimization-enableddeepreinforcementlearning,SeMiR)方

法。将优化问题分解为两个子问题并分别求解；针对服务迁移子问题，设计了一种基于改进深度

强化学习的服务迁移方法，以探索最优迁移策略；针对资源分配子问题，设计了一种基于凸优化

的资源分配方法，以推导给定迁移决策下每台MEC服务器的最优资源分配，提升服务迁移的性

能。实验结果表明：与基准方法相比，SeMiR方法能够有效提升车辆的QoS，在各种场景下均展

现出更加优越的性能。

关键词：移动边缘计算；车联网；服务迁移；资源分配；深度强化学习；凸优化

中图分类号：TP393文献标志码：A文章编号：1004-731X(2025)02-0379-13

DOI:10.16182/j.issn1004731x.joss.23-1142

引用格式：黄思进，文佳，陈哲毅.面向边缘车联网系统的智能服务迁移方法[J].系统仿真学报，2025,37(2)：379-391.

Referenceformat:HuangSijin,WenJia,ChenZheyi.IntelligentServiceMigrationtowardsMEC-basedIoVSystems[J].

JournalofSystemSimulation,2025,37(2):379-391.

IntelligentServiceMigrationtowardsMEC-basedIoVSystems

Hhuangjin2,enial2,ChenZheyl.3

(1.CollegeofComputerandDataScience,FuzhouUniversity,Fuzhou350116,China;2.KeyLaboratoryofSpatialDataMiningInformationSharing,

MinistryofEducation,Fuzhou350002,China3.FujianKeyLaboratoryofNetworkComputingandInteigentInformationProcessing

(FuzhouUniversity),Fuzhou350116,China)

Abstract:ToaddresstheproblemofQoSdegradationduringthevehiclemovement,anovelservice

migrationviaconvex-optimization-enableddeepreinforcementlearning(SeMiR)methodisproposed.

Theoptimizationproblemisdecomposedintotwosub-problemsandsolvedseparately.F