.png){kind=icon}
返回
Collaborative Multi-task Offloading in Multi-edge System for AI-Generated Content Service
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comnet.2025.111979.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着人工智能生成内容（AIGC）服务在边缘网络中日益普及，对低延迟应用中快速高效处理的需求持续增长。传统任务卸载策略在协调异构资源（如GPU和TPU集群）时往往面临困难，导致负载分布不均和专业加速器的利用率低下。为克服这些局限性，我们提出了自适应多边缘负载均衡优化（AMBO）算法，旨在优化边缘服务器间的协同任务调度。AMBO采用在线强化学习方法，将任务卸载过程分解为边缘服务器选择和负载均衡功能，从而能够在计算能力各异的节点间实现智能调度。此外，通过集成决斗深度Q网络（DQN）框架，AMBO提升了动态边缘环境下的决策准确性和稳定性。广泛的实验结果表明，AMBO显著提升了任务卸载效率，将任务完成时间缩短了79.04%，并实现了99.89%的任务完成率。这些结果突显了该算法在异构边缘计算场景中的强适应性和有效性，使其非常适合支持下一代低延迟AIGC服务。
期刊
IF:
4.6
论文数:
1.7K
被引数:
1.6W
机构
引用论文
Federated Deep Reinforcement Learning for Online Task Offloading and Resource Allocation in WPC-MEC NetworksWpc-mec网络中用于在线任务卸载和资源分配的联合深度强化学习.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Incentive-Driven Task Allocation for Collaborative Edge Computing in Industrial Internet of Things激励驱动的工业物联网协同边缘计算任务分配
PREAI
分享收藏Energy-Efficient Task Offloading and Resource Allocation in Mobile Cloud Computing Using Edge-AI and Network Virtualization基于Edge-AI和网络虚拟化的移动云计算中的节能任务卸载与资源分配KHWARIZMIA
KHWARIZMIAIF0
PREAI
分享收藏Task offloading to edge cloud balancing utility and cost for energy harvesting Internet of Things平衡能源收集物联网的效用和成本
OAAI
OAAI分享收藏MEDIA: An Incremental DNN Based Computation Offloading for Collaborative Cloud-Edge Computing媒体: 基于DNN的增量计算卸载，用于协作云边缘计算
PREAI
分享收藏
查看更多内容