摘要
算力网络通过网络协同云、边、端计算资源,突破单点算力的性能瓶颈,为智能化社会提供了算力支撑.算网融合逐渐成为新型信息通信网络技术发展的趋势.由于计算资源异构、网络负载动态,如何协同云、边、端计算资源,从而降低计算任务时延是算网融合下极具挑战性的问题之一.为简化问题,现有工作往往假设系统时间是离散的,并且只在时隙结束时进行计算卸载决策.但该假设会引入决策等待时间,增加了计算任务的整体时延.针对上述问题,提出一种算网融合下时间连续的计算任务卸载机制,在保证时间轴连续和协同多个边缘节点计算资源的前提下,以服务体验提升率为优化目标,对云、边、端间任务卸载问题进行建模,并设计了 一种基于深度强化学习的任务卸载方法,从而更高效地利用算力网络计算资源.通过大量的仿真实验证明,与2种基线算法相比所提算法能够有效降低任务时延,提升服务体验.
基金项目
山东省自然科学基金(ZR2022QF040)
齐鲁工业大学科教产融合试点项目(2022PX083)
维普
万方数据