人工智能与移动边缘计算的深度融合, 已成为实现 6g 网络智能内生愿景的重要驱动力, 其中智能计算卸载作为重要环节之一受到广泛关注. 针对多样化依赖型任务在边缘资源受限场景中的计算卸载问题, 提出了一种分布式智能协同计算卸载方法. 首先, 综合考虑边缘节点服务有限、任务多样性与执行依赖性等因素, 建立端边协同的计算卸载及多维资源分配优化问题模型, 目标是在服务容忍时延约束下最大化系统长期平均任务处理效用. 然后, 提出一种基于图注意力多智能体深度强化学习的依赖型任务计算卸载算法求解优化问题. 该算法在训练阶段采用图注意力网络挖掘全局状态的重要信息以学习高效协同策略参数, 在执行阶段由终端用户根据本地状态独立决策, 从而实现分布式智能协同计算卸载. 最后, 通过仿真实验验证所提算法性能. 仿真结果表明, 与现有的算法相比, 所提算法在不同网络参数下均具有最优性能.
Yao et al. (Sun,) studied this question.