基于 AI 的雾与边缘计算：系统综述、分类法与未来方向
分布式、并行与集群计算
2022-12-26 v1
摘要
计算中的资源管理是一个极具挑战性的问题，涉及序贯决策。资源限制、资源异构性、工作负载的动态与多样性，以及雾/边缘计算环境不可预测性，使得资源管理在雾场景中更富挑战性。近来人工智能 (AI) 与机器学习 (ML) 基解决方案被采用以求解该问题。具有序贯决策能力的 AI/ML 方法（如强化学习）对此类问题似乎最有前景。但这些算法自身带来高方差、可解释性与在线训练等挑战。持续变化的雾/边缘环境动态要求能够在线学习、适应计算环境变化的解决方案。本文采用标准综述方法开展此系统文献综述 (SLR)，以分析 AI/ML 算法的作用及其在雾/边缘计算环境资源管理中应用的挑战。进一步，讨论了用于边缘 AI 管理的各类机器学习、深度学习与强化学习技术。此外，我们给出了基于 AI/ML 的雾/边缘计算的背景与现状。进而，提出了基于 AI/ML 的雾/边缘计算资源管理技术分类法，并依据所提分类法对现有技术进行比较。最后，识别并讨论了基于 AI/ML 的雾/边缘计算领域的开放挑战与有前景的未来研究方向。
引用
@article{arxiv.2212.04645,
title = {AI-based Fog and Edge Computing: A Systematic Review, Taxonomy and Future Directions},
author = {Sundas Iftikhar and Sukhpal Singh Gill and Chenghao Song and Minxian Xu and Mohammad Sadegh Aslanpour and Adel N. Toosi and Junhui Du and Huaming Wu and Shreya Ghosh and Deepraj Chowdhury and Muhammed Golec and Mohit Kumar and Ahmed M. Abdelmoniem and Felix Cuadrado and Blesson Varghese and Omer Rana and Schahram Dustdar and Steve Uhlig},
journal= {arXiv preprint arXiv:2212.04645},
year = {2022}
}
备注
49 page, 15 figures, 10 tables