Multi-agent deep reinforcement learning edge task scheduling algorithm with migratable service environment

Zengwei Lyu

doi:10.1504/IJSNET.2026.151234

Multi-agent deep reinforcement learning edge task scheduling algorithm with migratable service environment

2026-01-01

0

PRE

AI

DOI：10.1504/IJSNET.2026.151234

原文链接

原文求助

摘要

En 中文

多边缘协同计算方法将任务服务环境存储在靠近终端用户的边缘节点，并利用多边缘网络进行协同卸载，克服了传统云计算中的长传输距离和慢响应时间问题。然而，现有的固定存储任务卸载方法无法根据区域任务偏好动态调度服务环境，导致多边缘负载不均衡和执行效率降低。我们提出了一种基于容器的可迁移服务环境调度模型，通过实时任务和环境调度动态满足区域服务需求。为解决进程耦合和存储替换问题，我们采用强化学习将卸载、环境迁移和内容替换整合为统一的调度动作。改进的多智能体深度强化学习算法采用集中式训练与分布式执行相结合，并引入注意力机制优化策略学习。仿真结果表明，该方法能够提升多边缘负载均衡性并降低平均任务延迟。

Keyword:

multi-agent reinforcement learning

edge computing

task scheduling

migratable service environment

Multi-agent deep reinforcement learning edge task scheduling algorithm with migratable service environment

摘要

期刊

机构

引用论文