云-边-端协同环境下基于改进深度Q网络的资源调度机制

来源：计算机集成制造系统杂志2025年第10期北京时间：

作者：泮佩言, 胡炳涛, 冯毅雄, 张志峰, 汪勇, 李传江, 谭建荣

单位：1.浙江大学流体动力基础件与机电系统全国重点实验室2.贵州大学公共大数据国家重点实验室3.杭州电子科技大学计算机学院

摘要：为了更好提升工业5.0场景下用户计算任务的服务质量,同时考虑任务调度决策以及终端设备、边缘算力服务节点、云计算中心的协同资源分配,提出一种基于深度强化学习的云-边-端协同的算力网络资源调度机制。首先提出一种融合算力网络与云边协同的云-边-端协同架构,将计算任务调度与资源分配问题转化为网络节点计算、通信、能源约束下的最小系统总成本优化问题;然后提出一种考虑任务动态到达的改进深度Q网络求解该问题,并在网络学习的过程中引入新的奖励方式、网络参数软更新、经验回放与双网络机制。通过实验验证了所提方法的可行性,在任务调度与资源分配方面性能良好。

关键词：云边端协同架构,算力网络,任务调度,资源分配,深度强化学习

基金资助：国家重点研发计划资助项目(2023YFB3307200);浙江省重点研发计划资助项目(2024C01029,2024C01207);国家自然科学基金资助项目(52205288);中国博士后科学基金资助项目(2024T170795)。