FAuNO: 用于边缘系统中任务卸载的半异步联邦强化学习框架
人工智能
2026-03-03 v2 机器学习
摘要
边缘计算通过去中心化基础设施将计算资源置于更靠近终端用户的位置,从而应对联网设备网络日益增长的数据需求。这种去中心化对传统的完全集中式编排构成了挑战,后者饱受延迟和资源瓶颈的困扰。我们提出了 \textbf{FAuNO}——\emph{联邦异步网络编排器}(Federated Asynchronous Network Orchestrator)——一个用于边缘系统中去中心化任务卸载的带缓冲异步\emph{联邦强化学习}(FRL)框架。FAuNO 采用 Actor-Critic 架构,其中本地 Actor 学习节点特定的动态与对等交互,而联邦 Critic 跨智能体聚合经验以促进高效协作并提升整体系统性能。在 \emph{PeersimGym} 环境中的实验表明,FAuNO 在降低任务丢失和延迟方面始终匹配或超越启发式和联邦多智能体强化学习基线,凸显了其对动态边缘计算场景的适应性。
引用
@article{arxiv.2506.02668,
title = {FAuNO: Semi-Asynchronous Federated Reinforcement Learning Framework for Task Offloading in Edge Systems},
author = {Frederico Metelo and Alexandre Oliveira and Stevo Racković and Pedro Ákos Costa and Cláudia Soares},
journal= {arXiv preprint arXiv:2506.02668},
year = {2026}
}