.png){kind=icon}
返回
E-SPLIT: A hierarchical genetic algorithm for energy-efficient distributed AI services
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comcom.2025.108371.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着我们迈向人工智能（AI）赋能的无线网络新时代，重点转向部署分布式智能以增强网络自动化、可扩展性和响应能力。尽管其具有优势，但通常会导致资源密集型部署，从而引发能源问题。这些问题因缺乏能够应对分布式AI多面性的资源编排策略而进一步加剧。本研究旨在通过提出一种定制元启发式算法——两级分层遗传算法（HGA），将分治策略融入其中以提供有效的链式决策，从而最小化分布式AI服务的能源消耗。HGA的第一级确定底层网络中AI服务内模型分区的最优部署位置，而第二级则关注各分区的战略资源分配，确保满足服务延迟要求。本研究提出了一种安全策略选择方法，应用定制修复机制和惩罚函数以阻止约束违规。评估结果显示，与两种当前最先进的基准方案相比，所提出的HGA在不同网络环境和评估场景下均展现出有效性和鲁棒性。与基准方案相比，HGA使每项服务的总能源消耗降低了高达94.1%，同时完全消除了不可行策略。
