林 峰，罗铖文+，丁鹏举，蒋建春

(1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.重庆邮电大学 电子信息与网络工程研究院，重庆 400065；3.重庆邮电大学 自动化学院，重庆 400065)

0 引 言

随着C-V2X中各种计算密集型和对延迟敏感的应用兴起，给计算资源有限的车辆带来了巨大挑战[1]。移动云计算(MCC)资源丰富，但是距离车辆较远，会产生巨大的传输时延和能耗[2]。将计算下沉到MEC服务器，使得时延和能耗更低[3]。文献[4]提出一种云辅助的移动边缘计算卸载策略，结合遗传算法以时延和能耗最小化为优化目标。文献[5]使用强化学习，为降低计算时延，将任务卸载到本地、MEC、远端云服务器。文献[6]提出了一种联合计算卸载策略，将计算任务分别在MEC、空闲车辆，和本地计算。文献[7]提出一种节能的卸载策略，在远端云协助下优化MEC系统中的卸载选择和资源分配来最大程度地降低成本。目前工作中，同时考虑时延和能耗的前提下对多辆车并发卸载进行研究的较少，以及计算平台并未得到充分利用。在上述工作的基础上，本文提出一种自适应的联合计算卸载资源分配算法，首先，该算法考虑多辆车并发卸载计算任务的场景，在满足最大时延约束下，该算法能自适应得到每辆车卸载到本地、远端云服务器、MEC服务器、空闲车辆的最优任务比例，同时对MEC的计算资源做最优分配。通过实验仿真与其它算法相比，验证所提算法具有最小系统总成本。

1 系统模型

1.1 网络模型

为了尽可能利用所有的计算资源来降低系统总成本，考虑了4种计算卸载方式。……