为了解决车路协同中无人驾驶汽车跨区域计算任务卸载问题,构建了一种无人驾驶汽车和路侧单元(road side unit,RSU)的联合任务卸载优化模型,旨在将计算任务的总能耗和时延的加权和最小化,即求出计算任务的总能耗和时延的加权和的最小值,...为了解决车路协同中无人驾驶汽车跨区域计算任务卸载问题,构建了一种无人驾驶汽车和路侧单元(road side unit,RSU)的联合任务卸载优化模型,旨在将计算任务的总能耗和时延的加权和最小化,即求出计算任务的总能耗和时延的加权和的最小值,为此提出自适应粒子群优化算法(adaptive particle swarm optimization,APSO)优化车辆计算任务卸载过程中的任务卸载策略和任务发射功率来达到计算任务的总能耗和时延的加权和的最小值。结果表明:基于APSO的无人驾驶汽车的跨区域联合任务卸载优化模型能显著降低无人驾驶汽车计算任务的总能耗和时延的加权和,同时对于所构建的跨区域联合任务卸载优化模型采用APSO求解优于采用模拟退火算法(simulated annealing,SA)和遗传算法(genetic algorithm,GA)求解。展开更多