Task-driven priority-aware computation offloading with distributed CPU resource allocation in edge-cloud IoT networks

Barai, Tushar

doi:10.1016/j.iot.2026.102068

Task-driven priority-aware computation offloading with distributed CPU resource allocation in edge-cloud IoT networks

2026-08-01

0

PRE

AI

DOI：10.1016/j.iot.2026.102068

原文链接

原文求助

摘要

En 中文

在物联网边缘-云网络中，高效的计算卸载至关重要，因为资源受限的设备必须处理异构且延迟敏感的工作负载。大多数现有方法依赖基于时隙的决策制定，未能捕捉实际物联网环境中的任务驱动和异步特性，导致决策延迟增加和高优先级任务响应性降低。本文提出了一种任务驱动且优先级感知的计算卸载框架，其中决策在任务到达时立即触发。采用基于优先级经验回放对抗双重深度Q学习（PER-D3QN）的深度强化学习代理，在动态信道条件和队列状态下联合确定执行位置和传输功率。为管理并发卸载任务间的争用，执行了分布式CPU共享机制，在每边缘服务器本地运行，根据任务工作负载和优先级自适应分配计算资源。执行延迟和队列演变被视为环境动态的一部分，为学习代理提供反馈。仿真结果表明，所提出的框架与传统的基于DRL和启发式的卸载方案相比，显著降低了任务执行延迟和物联网设备能耗，同时提高了截止时间满足度和负载均衡。

Keyword:

Task-driven offloading

Deep reinforcement learning

Dueling double deep Q-network

Distributed CPU sharing

Internet of things (IoT)

Task-driven priority-aware computation offloading with distributed CPU resource allocation in edge-cloud IoT networks

摘要

期刊

机构

引用论文