基于过时与部分可观测信息的在线分布式任务分发
网络与互联网体系结构
2020-12-29 v1
摘要
在本文中，我们研究部署在城域网（MAN）中的边缘计算系统中的在线分布式任务分发问题。具体而言，任务分发器实现在接入点（AP）上，这些接入点从移动用户收集任务并将每个任务分发至边缘或云端的服务器。我们引入一种带周期性广播的信令机制以促进AP间的协作。在MAN中传输时延不可忽略，这导致AP间的信息共享过时。此外，由于接收所有广播耗时较长，我们不鼓励使用完全可观测的系统状态。因此，我们将AP间任务分发策略的分布式优化建模为具有部分与过时系统状态的马尔可夫决策过程，即部分可观测马尔可夫决策过程（POMDP）。由于巨大的时间复杂度，POMDP的常规解法不切实际。我们提出了一种用于分布式任务分发的低复杂度新颖解决框架，基于此，任务分发策略的优化可通过一种交替策略迭代算法解耦，从而每个AP的分布式策略迭代可依据部分与过时的观测进行。我们为近似MDP解法证明了理论性能下界。此外，我们基于Google Cluster轨迹进行了大量仿真。评估结果表明，与启发式基线相比，我们的策略在平均任务响应时间上可实现高达的降低，且我们的算法在各种参数设置下均表现良好。
引用
@article{arxiv.2012.13756,
title = {Online Distributed Job Dispatching with Outdated and Partially-Observable Information},
author = {Yuncong Hong and Bojie Lv and Rui Wang and Haisheng Tan and Zhenhua Han and Hao Zhou and Francis C. M. Lau},
journal= {arXiv preprint arXiv:2012.13756},
year = {2020}
}