采用深度强化学习的云边端任务协同卸载方案

摘要

针对融合大规模预训练模型的物联网车载应用中，设备长期计算成本高、移动性导致连接不稳定、依赖任务3层协同调度难的问题，构建云边端协同计算框架，提出面向依赖任务的部分卸载与资源分配方案。首先，通过有向无环图对含大模型推理的复杂任务依赖关系建模，明确子任务逻辑并构建3层协同卸载模型；其次，设计基于通信距离与移动速度的移动性检测机制，适配大模型子任务卸载需求；最后，本研究将该问题建模为时延与能耗加权成本最小化的联合优化问题，并提出融合任务优先级和深度强化学习(TD3)的智能卸载算法(TPADR-TD3),动态优化卸载决策与资源分配。仿真结果表明，所提方法能显著降低物联网车载设备长期计算成本，兼顾低时延需求，验证了框架的实用性与算法的有效性。

关键词

云边端协同计算框架 / 任务依赖关系 / 联合优化 / 深度强化学习