Deep reinforcement learning-based dependent task offloading for Edge Intelligent Controllers

Wenli Shang

doi:10.1016/j.future.2026.108819

Deep reinforcement learning-based dependent task offloading for Edge Intelligent Controllers

2026-09-18

0

PRE

AI

DOI：10.1016/j.future.2026.108819

原文链接

原文求助

摘要

En 中文

边缘智能控制器（EIC）作为工业边缘计算的核心组件，在智能制造中得到了广泛应用。在实际工业控制场景中，资源受限的EIC无法持续满足计算密集型任务的服务质量（QoS）要求；因此，选定的任务必须卸载到边缘计算服务器（ECS）执行。考虑到工业应用组件间的依赖关系，我们将应用任务及其优先关系建模为有向无环图（DAG）。随后，我们提出了一种基于序列到序列的深度强化学习算法用于依赖任务卸载（SDRL-DTO）以获取卸载策略。所提出的模型考虑了两个优化目标：延迟最小化和联合延迟-能量效用最大化。仿真结果表明，在所考虑的设置下，SDRL-DTO优于所有评估的非穷举基线算法；在传输速率为20 Mbps时，其平均延迟与HEFT和Greedy算法相当，同时将EIC端的能量消耗降低了30%。

Deep reinforcement learning-based dependent task offloading for Edge Intelligent Controllers

摘要

期刊

机构

引用论文