-
题名面向算力网络的工作流任务优化与节能卸载方法
- 1
-
-
作者
卫琳
张世豪
和孟佯
-
机构
郑州大学网络空间安全学院
嵩山实验室
-
出处
《计算机应用》
北大核心
2025年第12期3916-3924,共9页
-
基金
嵩山实验室资助项目(232102210154)
嵩山实验室预研项目(YYJC022022001)
嵩山实验室重点研发项目(241110210200)。
-
文摘
在算力网络(CPN)中,用户设备(UE)因计算能力和电源容量受限,需要依赖外部算力节点协同处理任务。现有研究多集中于直接卸载工作流任务(WT)上,而面临着以下关键挑战:1)任务依赖导致的长等待时延和高能耗问题;2)当前驱任务数据需在UE上缓存时,UE长时间处于高功耗状态;3)CPN动态环境下资源状态的不确定性增加了卸载决策的复杂性;4)任务完成时间与能耗之间的多目标冲突,导致难以实现高效平衡。针对这些问题,提出一种基于动态任务优化与卸载(DOOWT)的节能优化方法。该算法通过工作流结构优化(WSO)算法对任务图进行重排,以减少任务间的等待时延,从而降低整体能耗;结合基于深度确定性策略梯度(DDPG)的动态任务卸载(DBTO)算法实时调整卸载策略,从而有效提升CPN的计算性能和资源利用效率。实验结果表明,与随机卸载(Random)传统方法相比,所提方法的WT等待时延减少了60%,平均WT完成时延缩短了79%,整体能耗降低了82%。可见,该方法为能耗敏感型任务的优化与调度提供了理论支持与技术参考。
-
关键词
算力网络
动态任务卸载
深度强化学习
能耗优化
任务卸载
-
Keywords
Computing Power Network(CPN)
dynamic-based task offloading(dbto)
Deep Reinforcement Learning(DRL)
energy consumption optimization
task offloading
-
分类号
TP393.07
[自动化与计算机技术—计算机应用技术]
-
