面向物联网的云边端协同计算中任务卸载与资源分配算法研究

来源：电子与信息学报杂志2025年第2期北京时间：

作者：施建锋, 陈忻阳, 李宝龙

单位：南京信息工程大学电子与信息工程学院 南京 214442

摘要：为满足远郊和灾区物联网(IoT)设备的时延与能耗需求，该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下，将系统时延与能耗加权和视为系统开销，构造了最小化系统开销的任务卸载、功率和计算资源联合分配问题。针对动态任务到达场景，提出一种模型辅助的自适应深度强化学习(MADRL)算法，实现任务卸载决策、通信资源和计算资源的联合配置。该算法将问题分为两部分解决，第1部分通过模型辅助、二分搜索算法和梯度下降法优化了通信资源与计算资源；第2部分通过自适应深度强化学习算法训练出Q网络以适应随机任务的到达，进行卸载决策优化。该算法实现了有效的资源分配和可靠及时的任务卸载决策，且在降低系统开销方面表现出优异的效果。仿真结果表明，引入卫星的移动性，使得系统开销降低了41%。引入星间协作技术，使系统开销降低了22.1%。此外，该文所提算法收敛性能好。与基准算法相比，该算法的系统开销降低了3%，在不同环境下的性能表现都是最优。

关键词：云边端协同计算, 卫星物联网, 深度强化学习, 任务卸载, 资源分配.

基金资助：国家自然科学基金(62201274, 62201275)，江苏省自然科学基金(BK20210641)