SDN和MEC架构下V2X卸载与资源分配

针对车到万物（V2X）场景下复杂的网络状态与海量的计算数据为车载网络带来的时延能耗增加和服务质量下降的严峻问题，构建了移动边缘计算（MEC）和软件定义网络（SDN）相结合的车载网络框架。MEC 将云服务下沉至无线网络边缘从而弥补了远程云计算所带来时延抖动，SDN控制器可从全局角度感知网络信息，灵活地调度资源，控制卸载流量。为了进一步降低系统开销，提出一种联合任务卸载与资源分配机制，对基于MEC的V2X卸载与资源分配进行建模，给出了最优卸载决策、通信和计算资源分配方案。考虑到问题的NP-hard属性，利用Agglomerative Clustering匹配初始卸载节点，并采用Q-learning进行资源分配；将卸载决策建模为完全势博弈，通过势函数构造证明纳什均衡。仿真结果表明，相比于其他机制，该机制能有效降低系统开销。