Dependent Task Offloading and Dynamic Load Balancing in Edge Computing Using Deep Reinforcement Learning With Consistent Hash

Chen, Jingyang

doi:10.1109/tce.2026.3691109

Dependent Task Offloading and Dynamic Load Balancing in Edge Computing Using Deep Reinforcement Learning With Consistent Hash

2026-08-01

0

PRE

AI

DOI：10.1109/tce.2026.3691109

原文链接

原文求助

摘要

En 中文

多接入边缘计算被广泛用于解决在网络边缘部署计算密集型应用时用户设备延迟和能耗的问题。针对用户设备依赖任务的卸载策略和边缘服务器负载均衡的优化对多接入边缘计算至关重要。然而，由于边缘服务器计算资源的有限性，依赖任务的合理卸载与分配是多接入边缘计算中的一个巨大挑战。为解决这一问题，本文提出了一种基于多智能体软演员-评论家（soft actor-critic）的依赖任务卸载与动态负载均衡优化方法。该方法在考虑依赖任务操作约束和动态负载均衡的基础上设计了计算模型和依赖任务模型。随后，通过将多智能体软演员-评论家与一种基于一致性哈希的负载均衡机制相结合，优化依赖任务的卸载策略以降低延迟和能耗。仿真结果表明，所提出的方法在用户设备能耗、任务执行延迟和边缘服务器负载均衡方面具有明显优势。

Keyword:

Servers

Modeling

Loading

Delays

Energy consumption

Optimization

Load management

Algorithms

Timing

Multi-access edge computing

dependent task offloading

load balancing

deep reinforcement learning

consistent hash algorithm

Dependent Task Offloading and Dynamic Load Balancing in Edge Computing Using Deep Reinforcement Learning With Consistent Hash

摘要

期刊

机构

引用论文