Bài báo này đề cập đến vấn đề phân công nhiệm vụ và dỡ tải nhiệm vụ, trong đó các phương tiện tự hành sử dụng điện toán biên di động để thực hiện xử lý hiệu quả trong Hệ thống Giao thông Thông minh (ITS) dựa trên Open RAN. Các nghiên cứu hiện tại có những hạn chế, chẳng hạn như không xem xét sự phụ thuộc lẫn nhau giữa các nhiệm vụ và chi phí dỡ tải nhiệm vụ cho các máy chủ biên, dẫn đến việc ra quyết định không tối ưu. Để giải quyết những hạn chế này, bài báo này đề xuất Oranits, một mô hình hệ thống mới tối ưu hóa hiệu suất thông qua hợp tác giữa các phương tiện trong khi vẫn xem xét rõ ràng sự phụ thuộc của nhiệm vụ và chi phí dỡ tải. Để đạt được điều này, trước tiên chúng tôi phát triển một thuật toán điện toán tiến hóa dựa trên siêu thuật toán có tên là Chaotic Gaussian-Based Global ARO (CGG-ARO) làm cơ sở để tối ưu hóa trong một khe cắm duy nhất. Thứ hai, chúng tôi thiết kế một khuôn khổ học tăng cường có tên là Multi-Agent Double-Deep Q-Network (MA-DDQN) tích hợp các cơ chế phối hợp nhiều tác nhân và lựa chọn nhiều hành động để giảm thời gian phân công nhiệm vụ và cải thiện khả năng thích ứng so với các phương pháp cơ sở. Kết quả mô phỏng mở rộng cho thấy CGG-ARO cải thiện số lượng nhiệm vụ hoàn thành và lợi nhuận tổng thể lần lượt khoảng 7,1% và 7,7%, trong khi MA-DDQN cải thiện số lượng nhiệm vụ hoàn thành và lợi nhuận tổng thể lần lượt là 11,0% và 12,5%. Những kết quả này làm nổi bật khả năng xử lý tác vụ nhanh hơn, thích ứng hơn và hiệu quả hơn của Oranits trong môi trường ITS động.
