随着全球汽车产业的高速发展,许多新兴车载应用应运而生,这些应用需要强大的计算能力、充足的带宽资源以及大量的存储空间。然而单个车辆的空间较小,并且需要满足较低成本的要求,仅依靠车内设备来提供资源已经不能满足各种应用的需求。云计算使应用能够按需访问计算资源、存储空间和信息服务,为用户提供灵活可扩展的服务。因此,将车联网技术与云计算技术相结合,研究合理的资源分配方式具有重要意义。本文的主要研究内容和贡献如下:(1)针对由于车辆移动性导致请求中断及阻塞率较高的问题,本文提出了一种基于多目标进化算法的车联网云系统资源分配策略。首先分析了中心云和车辆云的特点,以最小化阻塞率和成本为目标,建立了多目标资源分配模型。使用改进的非支配排序进化算法(Nondominated sorting genetic algorithm II,NSGA-II)对提出的多目标优化模型进行求解。在种群初始化阶段,定义匹配因子以评估车辆提供资源的能力,根据匹配因子设置车辆被选中作为资源提供者的概率。在交叉操作和变异操作阶段,根据种群中个体的适应度,设置动态的交叉概率和变异概率,增加了种群多样性并避免局部优化。仿真结果表明,相比于对比算法,该策略能够有效降低阻塞率和成本。(2)针对不同类型应用的不同需求及车辆移动性导致请求迁移的问题,本文提出了迁移感知的车联网云系统资源分配策略。将车辆资源划分为两部分:可靠资源和灵活资源。可靠资源用于满足当前时刻到达的高优先级请求和低优先级请求的需求,灵活资源用于满足迁移请求的需求。为了合理地为需要迁移的请求预留资源,当前时刻的可靠资源和灵活资源的大小由上一时刻迁移的请求数量、上一时刻的灵活资源权重和实际迁移的高优先级请求所需资源来确定,预留机制能够减少由于车辆离开导致请求被阻塞的情况。为了优先满足高优先级请求,将目标函数设为最小化阻塞率、最小化迁移请求的中断率和最大化高优先级请求所占比例。仿真结果表明,该策略可以有效降低阻塞率和迁移请求的中断率,满足更多的高优先级请求。