边缘计算任务卸载优化跨层设计论文.docxVIP

边缘计算任务卸载优化跨层设计论文

一.摘要

随着物联网设备的激增和实时性应用需求的增长，边缘计算作为一种靠近数据源的计算范式，在减轻云端负载、降低延迟方面展现出显著优势。然而，边缘环境资源受限、异构性高以及任务卸载决策的复杂性，使得如何优化任务卸载策略成为关键挑战。本研究针对边缘计算场景下的任务卸载优化问题，提出了一种跨层设计方法，通过整合网络层、计算层和任务层信息，实现资源效用与性能指标的协同优化。首先，构建了边缘计算任务卸载的统一数学模型，将任务执行时间、能耗、网络带宽和计算资源利用率纳入综合目标函数，并考虑了边缘节点的动态负载和任务优先级。其次，设计了一种基于强化学习的动态卸载决策机制，通过状态-动作-奖励（SAR）学习框架，使边缘节点能够根据实时网络状况和任务特征自适应选择最优卸载策略。实验结果表明，与传统的固定卸载和基于规则的启发式方法相比，所提出的跨层优化方法在平均任务完成时间、能耗效率和资源利用率方面分别提升了23%、18%和27%，特别是在高负载和动态网络环境下表现出更强的鲁棒性。此外，通过仿真分析验证了该方法在不同边缘计算拓扑结构中的普适性。研究结论表明，跨层设计能够有效解决边缘计算任务卸载的多维度优化问题，为未来大规模边缘智能系统的部署提供了理论依据和实践指导。

二.关键词

边缘计算；任务卸载；跨层设计；强化学习；资源优化；实时性

三.引言

随着物联网（Inte