-
题名边缘计算系统中延时敏感型任务调度策略
被引量：1
- 1
-
-
作者
王星
于炯
杜旭升
张姗姗
杨少智
-
机构
新疆大学信息科学与工程学院
-
出处
《计算机工程与设计》
北大核心
2022年第7期1949-1954,共6页
-
基金
国家自然科学基金项目(61862060、61462079、61562086、61562078)。
-
文摘
为降低边缘计算系统中卸载任务的调度代价,以满足任务延时需求和系统代价最小为目标,建立边缘计算系统代价优化模型。证实该问题是NP-hard问题,提出一种基于两阶段代价优化任务调度算法TTSCO。根据改进BF算法求解初步任务调度方案,降低首阶段的非必要代价,生成调度最终解。分析算法时间复杂度,通过仿真实验验证了算法性能,实验结果表明,与LINGO理论最优解相比,调度解的近似比在95%情况下均小于1.2,该算法可以进一步降低系统代价。
-
关键词
边缘计算
延时敏感型任务
代价优化
任务调度
延时需求
-
Keywords
edge computing
delay-sensitive tasks
cost optimization
tasks scheduling
delay requirements
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双池DDPG的边缘计算卸载延时性能研究
- 2
-
-
作者
曾韦健
孟多南
田玲
李晖
-
机构
南京信息工程大学电子与信息工程学院
-
出处
《现代电子技术》
2025年第17期117-123,共7页
-
基金
国家自然科学基金项目(61661018)。
-
文摘
针对计算密集型和延迟敏感型业务的激增,传统的云计算模式难以满足低时延和高质量的服务需求,文中采用分布式边缘计算模式将任务卸载至边缘子网,以降低时延并缓解网络拥塞。对于边缘计算服务器协同计算的卸载问题,提出一种基于深度强化学习的协同计算资源分配算法:首先,根据建立的异构边缘网络模型确定优化目标,最小化任务延时并给出奖励函数;其次,基于传统DDPG算法,引入双经验池对数据进行分类存储,以提高经验数据的质量;最后,通过训练智能体找到一个适应环境的最佳策略来实现服务器间的负载均衡及资源的有效分配。仿真结果表明,改进后的D3PG算法充分考虑了边缘子网的异构性和边缘设备的移动性,相比于传统学习算法,任务延时降低了3.8%~24.8%。
-
关键词
异构网络
边缘计算
计算卸载
任务延时
深度强化学习
D3PG
-
Keywords
heterogeneous network
edge computing
computation offloading
task latency
deep reinforcement learning
D3PG
-
分类号
TN929.5-34
[电子电信]
-
