PulseAugur
中
实时 16:32:07
English(EN) Oranits: Mission Assignment and Task Offloading in Open RAN-based ITS using Metaheuristic and Deep Reinforcement Learning

新的Oranits系统优化了智能交通中的AI任务卸载

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出Oranits，一个旨在优化基于开放无线接入网（Open RAN）的智能交通系统（ITS）中的任务分配和卸载的新系统。该系统通过明确考虑任务依赖性和将任务卸载到边缘服务器的成本，解决了现有研究的局限性。Oranits采用双管齐下的优化策略：一种基于元启发式的混沌高斯基础ARO（CGG-ARO）算法，以及一个多智能体双深度Q网络（MA-DDQN）深度强化学习框架。模拟表明，MA-DDQN的性能显著优于CGG-ARO和基线方法，任务完成率提高了11.0%，整体效益提高了12.5%。 AI

影响 提高了智能交通系统中AI任务处理的效率和适应性。

排序理由 详细介绍新系统和AI任务卸载算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的Oranits系统优化了智能交通中的AI任务卸载

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ngoc Hung Nguyen, Nguyen Van Thieu, Quang-Trung Luu, Anh Tuan Nguyen, Senura Wanasekara, Nguyen Cong Luong, Fatemeh Kavehmadavani, Van-Dinh Nguyen ·

    Oranits: Mission Assignment and Task Offloading in Open RAN-based ITS using Metaheuristic and Deep Reinforcement Learning

    arXiv:2507.19712v3 Announce Type: replace-cross Abstract: In this paper, we explore mission assignment and task offloading in an Open Radio Access Network (Open RAN)-based intelligent transportation system (ITS), where autonomous vehicles leverage mobile edge computing for effici…

相关实体

相关话题