Double auction based task migration for load balancing among multiple edge servers

doi:10.1007/s11761-026-00489-8

Double auction based task migration for load balancing among multiple edge servers

2026-03-01

0

PRE

AI

DOI：10.1007/s11761-026-00489-8

原文链接

原文求助

摘要

En 中文

在多边缘服务器的边缘计算环境中，由于用户密度不均，负载不平衡现象普遍存在。高密度区域通常导致服务器过载，而低密度区域则造成资源利用不足，降低了系统整体效率。为解决此问题，从高负载服务器向低负载服务器迁移任务是可行的方案。然而，由于边缘服务器通常具有自利性，它们可能不愿意免费提供计算服务。为激励合作，我们提出了一种基于双重拍卖机制的任务迁移策略，称为双重拍卖任务迁移策略（DATMS）。在该策略中，用户将任务卸载到最近的边缘服务器。高负载服务器（卖家）确定迁移任务的售价和数量，而低负载服务器（买家）决定对迁移任务的出价。双重拍卖机制随后匹配买卖双方以实现互利共赢并达成系统级负载均衡。卖家的决策过程被建模为马尔可夫决策过程（MDP），并采用深度Q网络（DQN）算法求解。对于在部分可观测性和连续动作空间下运行的买家，我们将问题建模为部分可观测马尔可夫决策过程（POMDP），并采用多智能体深度确定性策略梯度（MADDPG）算法。DQN、MADDPG与双重拍卖机制的集成构成了完整的DATMS策略。大量实验表明，DATMS在长期系统负载均衡方面显著优于四种基准策略。

Keyword:

Edge Computing

Task Migration

Load Balancing

Double Auction

Reinforcement Learning

Double auction based task migration for load balancing among multiple edge servers

摘要

期刊

机构

引用论文