面向DAG任务的分布式智能计算卸载和服务缓存联合优化.pdfVIP

第64卷第1期中山大学学报（自然科学版中英文）Vol.64No.1

2025年1月ACTASCIENTIARUMNATURALIUMUNIVERSITATISSUNYATSENIJan.2025

DOI：10.13471/j.cnki.acta.snus.Z

面向DAG任务的分布式智能计算卸载和

服务缓存联合优化*

1，2111，21

李云，南子煜，姚枝秀，夏士超，鲜永菊

1.重庆邮电大学通信与信息工程学院，重庆400065

2.重庆邮电大学软件工程学院，重庆400065

摘要：建立了一种有向无环图（DAG，directedacyclicgraph）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-agentdeepdeterministicpolicygradient）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%。

关键词：移动边缘计算；多智能体深度强化学习；计算卸载；资源分配；服务缓存

中图分类号：TN92文献标志码：A文章编号：2097-0137（2025）01-0071-12

Jointoptimizationofdistributedintelligentcomputationoffloadingand

servicecachingforDAGtasks

1，2111，21

LIYun，NANZiyu，YAOZhixiu，XIAShichao，XIANYongju

1.SchoolofCommunicationandInformationEngineering，ChongqingUniversityofPostsand

Telecommunications，Chongqing400065，China

2.SchoolofSoftwareEngineering，ChongqingUniversityofPostsandTelecommunications，

Chongqing400065，China

Abstract：Adirectedacyclicgraph（DAG）wasdevelopedfortaskoffloadingandresource

optimization，aimingtominimizesystemenergyconsumptionunderconstraintssuchasmaximum

tolerabledelay.Consideringthatcomputingrequestsarehighly