基于缓存模型改进NSGA-Ⅲ算法车联网卸载策略  

作　　者：武斌 刘鹏程 丛佳 赵洁 

机构地区：[1]天津城建大学计算机与信息工程学院,天津300384

出　　处：《物联网技术》2025年第1期108-112,117,共6页Internet of things technologies

基　　金：国家自然科学基金资助项目(62204168)。

摘　　要：车联网场景中,计算任务处理的时延敏感性极高,将计算任务卸载至边缘服务器是降低时延的有效手段,进行任务卸载还需要综合考虑负载均衡以及能耗问题。为此提出一种融合差分进化改进的快速非支配排序遗传算法(NSGA-Ⅲ-DE)卸载方案,引入了缓存模型、时延模型、能耗模型、负载均衡模型,实现多目标优化问题。所提出的算法与NSGA-Ⅱ算法相比,系统时延降低了18.5%,能量消耗减少了44.5%,负载均衡标准差下降了14.7%,充分验证了NSGA-Ⅲ-DE算法的有效性和优越性。

关 键 词：边缘计算 任务卸载 缓存模型 差分进化 多目标优化 NSGA-Ⅲ算法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]