基于动态多区域划分的 LEO 卫星网络智能任务管理
分布式、并行与集群计算
2025-12-30 v1
摘要
作为陆地网络的重要补充以及未来 6G 系统的核心组件，低轨道 (LEO) 卫星网络预计在与地面基础设施集成后，将提供高质量的通信服务，因而吸引了大量研究关注。然而，受限于卫星 onboard 资源以及计算工作负载分布不均的限制，沿星间链路 (ISL) 的拥堵常常会降低任务处理效率。有效地管理 LEO 网络的动态大规模拓扑，以确保任务分布的均衡，仍然是一项关键挑战。为此，我们提出了一种用于 LEO 卫星网络中智能任务管理的动态多区域划分框架。该框架优化区域内和区域间的路由，以最小化任务延迟，同时平衡计算和通信资源的利用。基于此框架，我们提出了一种基于遗传算法 (GA) 的动态多区域划分算法，该算法根据单个卫星的工作负载状态自适应调整每个区域的大小。此外，我们还引入了自适应路由算法和基于多主体深度确定性策略梯度 (MA-DDPG) 的任务分割与卸载方案，以有效应对到达的任务。仿真结果表明，我们提出的框架在任务延迟、单位任务能耗以及任务完成率方面均优于对比方法。
引用
@article{arxiv.2507.09926,
title = {Intelligent Task Management via Dynamic Multi-region Division in LEO Satellite Networks},
author = {Zixuan Song and Zhishu Shen and Xiaoyu Zheng and Qiushi Zheng and Zheng Lei and Jiong Jin},
journal= {arXiv preprint arXiv:2507.09926},
year = {2025}
}