基于双层注意力机制的边缘计算任务调度优化方法
来源：计算机工程与应用杂志2026年第13期北京时间：
作者：张兆虎, 杨静, 阮小利, 唐向红, 李少波
单位：贵州大学 省部共建公共大数据国家重点实验室，贵阳 550025；
摘要：边缘计算环境中的任务调度本质上是一个高维动态序列决策问题，面临三大核心挑战：一是难以从复杂系统状态中准确感知关键信息，二是离散动作空间下的策略探索效率低下，三是任务请求模式与资源状态具有显著时变特性，难以实现高效自适应调度。为此，提出基于双层注意力机制的改进A2C（dual-attention advantage actor-critic，DA-A2C）。在A2C框架中融合两种注意力机制：多头注意力模块负责从多维度提取系统全局特征，构建全面的状态表征；Gumbel-Softmax注意力模块则通过引入Gumbel噪声并结合温度退火策略，实现对关键状态特征的可学习硬选择，从而在可微条件下实现稀疏化聚焦。在真实边缘工作负载数据集上的实验表明，DA-A2C在累积奖励、负载均衡度和任务拒绝数等关键指标上均优于DQN、PPO、REINFORCE及QECO等对比算法。消融实验进一步证实，所提出的双层注意力结构对各性能指标的实质性提升。
关键词：边缘计算,任务调度,强化学习,负载均衡
基金资助：国家自然科学基金（62562013）；贵州省科技支撑计划（黔科合支撑（2023）一般368，黔科合支撑（2025）一般025，黔科合支撑（2025）一般022）。
