.png){kind=icon}
返回
Temperature- and Energy-Aware Dynamic Task Scheduling and Computing Resource Allocation for Satellite Computing
.png){kind=icon}
PRE
AI
DOI：10.1109/TMC.2025.3637314.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
卫星计算作为一种新兴的边缘计算范式，将计算和网络服务扩展到太空。由于低地球轨道（LEO）卫星的内部设计约束以及外部环境带来的挑战，卫星计算面临固有局限性，包括严重受限的资源、不可充电电池、散热不良以及高度动态的运行条件，导致服务质量不可靠且不可持续。为应对上述挑战并充分实现卫星计算的潜力，本文研究了温度和能量感知的动态任务调度与计算资源分配，旨在优化服务延迟、减少星上能耗并提升运营利润。解决该问题需要协调任务调度和资源分配，平衡通信与计算延迟，并应对巨大的搜索空间挑战。为解决上述挑战，我们首先通过开发温度和能量模型将该问题表述为重复的斯塔克尔伯格博弈。通过理论分析，我们证明该博弈引出一个具有指数复杂度的凸优化框架。为加速斯塔克尔伯格均衡解的搜索，我们提出了一种基于内点法的动态任务调度算法，将计算复杂度降低至多项式阶。基于跟踪驱动的仿真表明，所提算法将任务调度延迟降低28.4%，平均提升效用13%。
Keyword:
Satellite computing
dynamic task scheduling
computing resource allocation
repeated Stackelberg game
期刊
IF:
9.2
论文数:
5.9K
被引数:
1.8W
机构
引用论文
.png){kind=icon}
分享收藏
Decentralized Scheduling for Concurrent Tasks in Mobile Edge Computing via Deep Reinforcement Learning基于深度强化学习的移动边缘计算并发任务分散调度
PREAI
分享收藏
分享收藏
查看更多内容