.png){kind=icon}
返回
Priority-Aware Task Scheduling in Computing Power Network-Enabled Edge Computing Systems
.png){kind=icon}
PRE
AI
DOI：10.1109/TNSE.2025.3557385.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
万物互联作为下一代互联网的潜在方向，将边缘协作定位为解决传统边缘计算框架中固有的工作负载分散和资源约束问题的一种有前景的计算范式。然而，跨域网络的日益复杂性为边缘协作中的高效任务执行和均衡资源利用带来了挑战，这些挑战尚未得到充分探索。为应对这些挑战，近期提出了一种下一代网络架构——计算能力网络（CPN）。CPN利用异构资源间的无处不在的连接，协同优化任务调度。基于此概念，我们设计了一个集成CPN的边缘计算系统，以实现动态和协作式任务调度。受滑动窗口启发，我们开发了一种动态调度方案，该方案对计算任务进行优先级排序，并实时匹配任务与计算资源。此外，我们提出了一种改进的深度强化学习（DRL）算法以优化调度策略，旨在提高任务成功率、最小化执行延迟，并确保资源利用的均衡与高效。最后，仿真实验验证了所提方案和算法的有效性。
Keyword:
Edge cooperation
computing power networks
scheduling priority
load-balancing
delay-sensitive
期刊
I
IF:
7.9
论文数:
2.6K
被引数:
10.0K
机构
引用论文
.png){kind=icon}
Computing Power Network: An Interworking Architecture of Computing and Network Based on IP Extension
PREAI
分享收藏Deep Reinforcement Learning Based Approach for Online Service Placement and Computation Resource Allocation in Edge Computing边缘计算中基于深度强化学习的在线服务放置和计算资源分配方法
PREAI
分享收藏Online Learning Aided Decentralized Multi-User Task Offloading for Mobile Edge Computing面向移动边缘计算的在线学习辅助分散式多用户任务卸载
PREAI
分享收藏
分享收藏分享收藏
查看更多内容