.png){kind=icon}
返回
SPAD: Spatial Perception and Action Decoupling Empowered Multi-Agent AI Task Scheduling Framework in Cloud-Edge Computing
.png){kind=icon}
PRE
AI
DOI：10.1109/TON.2025.3635400.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，多智能体强化学习为云边计算环境中的任务调度提供了有前景的前景。然而，由于部分可观测性和动作空间与可调度设备之间的刚性耦合，仍存在巨大挑战。这些限制削弱了智能体感知全局通信模式并适应动态环境的能力，导致调度决策效果不理想。为解决这些问题，本研究提出了SPAD，一种基于空间感知与动作解耦的分布式多智能体AI任务调度框架。通过构建全局空间特征蒸馏机制，SPAD能够在可观测性受限的条件下近似设备与任务之间的隐式异构连接模式和通信动态，增强其在有限观测条件下的动态环境中的鲁棒决策能力。此外，SPAD采用基于李雅普诺夫的动作解耦模块，以缓解刚性动作-设备耦合带来的可扩展性挑战，同时一种新颖的内在惩罚机制将瞬时李雅普诺夫成本加入智能体的优势函数中，从而将策略优化过程与解耦模块的底层稳定性约束对齐。通过涵盖合成、突发和真实工作负载的全面实证评估，我们证明SPAD在减少任务完成延迟和提升资源利用率方面持续优于当前最优基准，同时在不同网络拓扑和非平稳负载条件下保持卓越的鲁棒性和可扩展性。
Keyword:
Cloud-edge computing
task scheduling
multi-agent reinforcement learning
spatial perception
action decoupling
期刊
I
IF:
0
论文数:
543
被引数:
0
机构
引用论文
Transformer-Based Distributed Task Offloading and Resource Management in Cloud-Edge Computing Networks基于Transformer的云边协同网络分布式任务卸载与资源管理
.png){kind=icon}
PREAI
分享收藏分享收藏Sustainable Task Offloading in Secure UAV-Assisted Smart Farm Networks: A Multi-Agent DRL With Action Mask Approach可持续的任务卸载在安全无人机辅助智能农业网络中：一种带动作掩码的多智能体深度强化学习方法
PREAI
分享收藏
Edge Computing in Industrial Internet of Things: Architecture, Advances and Challenges工业物联网中的边缘计算: 架构、进展与挑战
PREAI
分享收藏Reliable Task Offloading in Sustainable Edge Computing with Imperfect Channel State Information在非理想信道状态信息下的可持续边缘计算中可靠的任务卸载
PREAI
分享收藏
查看更多内容