基于强化学习的云边协同任务调度算法结题报告.docVIP

基于强化学习的云边协同任务调度算法结题报告

一、研究背景与问题提出

随着物联网、5G通信等技术的快速发展，边缘计算作为一种新型计算范式应运而生，它将计算资源下沉到网络边缘，能够有效降低数据传输延迟、减少带宽消耗，为实时性要求高的应用提供有力支撑。而云计算凭借其强大的算力和存储能力，依然是处理大规模、复杂计算任务的核心力量。云边协同融合了云计算和边缘计算的优势，成为未来计算架构的重要发展方向。

在云边协同系统中，任务调度是决定系统性能的关键环节。合理的任务调度策略能够充分利用云边节点的资源，提高任务处理效率，降低能耗和成本。然而，当前云边协同任务调度面临着诸多挑战：

（一）动态性与不确定性

云边协同系统中的任务具有高度的动态性，任务的到达时间、类型、大小和计算需求等都具有不确定性。同时，边缘节点的资源状态（如CPU利用率、内存占用、网络带宽等）也会随着时间不断变化，这使得传统的静态调度算法难以适应系统的动态变化，无法实现资源的最优分配。

（二）多目标优化冲突

云边协同任务调度通常需要同时考虑多个优化目标，如任务处理延迟、系统能耗、资源利用率、任务执行成本等。这些目标之间往往存在相互冲突的关系，例如，为了降低任务处理延迟，可能需要将更多的任务分配到边缘节点，但这会增加边缘节点的能耗；而如果为了减少能耗，将任务集中到云计算中心处理，又会导致任务处理延迟的增加。如何在多个相互冲突的目标之间