Mitigating GPU Fragmentation and Tail Delay in Edge Computing: A Liquid-Driven Graph Reinforcement Learning Algorithm

2026-10-10

0

PRE

AI

DOI：10.1016/j.eswa.2026.134692

原文求助

摘要

En 中文

• 我们提出了一种用于资源优化的协同调度框架。 • 我们提出了CVaR-李雅普诺夫方法以减少GPU碎片化和尾部延迟。 • 我们设计了Liquid-GRL以增强基于强化学习的调度决策。

Keyword:

Edge computing

Recourse allocation

Graph neural network

Reinforcement learning

Liquid neural network