面向DAG任务的分布式智能计算卸载和服务缓存联合优化

doi:10.13471/j.cnki.acta.snus.ZR20240181

中山大学学报（自然科学版中英文） ›› 2025, Vol. 64 ›› Issue (01) : 71 -82. DOI: 10.13471/j.cnki.acta.snus.ZR20240181

作者信息 +

Author information +

文章历史 +

PDF

摘要

建立了一种有向无环图（DAG,directed acyclic graph）任务卸载和资源优化问题，旨在应用最大可容忍时延等约束实现系统能耗最小化。考虑到网络中计算请求高度动态、完整的系统状态信息难以获取等因素，最后使用多智能体深度确定性策略梯度（MADDPG,multi-agent deep deterministic policy gradient）算法来探寻最优的策略。相比于现有的任务卸载算法，MADDPG算法能够降低14.2%至40.8%的系统平均能耗，并且本地缓存命中率提高3.7%至4.1%。