控制与决策

作者：赵璞,肖人彬

单位：华中科技大学 人工智能与自动化学院,武汉 430074;中国北方车辆研究所,北京 100072,,华中科技大学 人工智能与自动化学院,武汉 430074,

关键词：边缘计算;自组织劳动分工;任务调度;资源缓存

基金：科技创新2030-----“新一代人工智能”重大项目(2018AAA0101200).

针对边缘计算环境中,边缘设备的计算和存储资源有限的问题,探讨高效的边云协同任务调度和资源缓存策略,研究自组织劳动分工群智能算法模型机理,并以此为基础,提出基于蜂群劳动分工“激发-抑制”模型的边云协同任务调度算法(edge cloud collaborative task scheduling algorithm based on bee colony labor division \textquoteleft activator-inhibitor' model,ECCTS-BCLDAI)和基于蚁群劳动分工“刺激-响应”模型的边云协同资源缓存算法(edge cloud collaborative resource caching algorithm based on ant colony labor division \textquoteleft stimulus-response' model, ECCRC-ACLDSR).仿真实验结果表明:所提出的ECCTS-BCLDAI任务调度算法在降低平均任务执行时长、减少边云协同费用上相较于传统算法有更好的表现;所提出的ECCRC-ACLDSR资源缓存算法在降低任务平均时长、优化网络带宽占用率、减少边云协同费用上相较于传统算法更具有优越性.

来源：2023年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第5期