QAROO：面向节能与可持续 MEC 网络的 AI 驱动在线任务卸载
人工智能
2026-04-29 v1
摘要
随着人工智能 (AI) 和智能科学的快速发展，智能边缘计算已得到广泛采用。然而，传统方法的局限性，如适应性差和启发式算法收敛缓慢，正变得越来越明显。为了实现可持续且资源高效的边缘应用，本文提出了一种用于无线供电移动边缘计算 (MEC) 网络的在线任务卸载框架，称为基于量子注意力的在线卸载强化学习 (QAROO)。该系统采用二元卸载策略，旨在动态信道环境中共同优化计算和能量资源。针对传统方法适应性差和启发式算法收敛缓慢的问题，该框架集成了量子神经网络和注意力机制，引入了三项关键改进：使用循环神经网络增强时间建模能力，提出一种不确定性引导的量化方法以提高探索效率，并将注意力机制纳入量子网络以增强特征表示。实验表明，所提出的方法在归一化计算速度和处理时间方面优于对比方案，为大规模物联网 (IoT) 动态环境中的在线任务卸载提供了高效且稳定的解决方案。
引用
@article{arxiv.2604.25740,
title = {QAROO: AI-Driven Online Task Offloading for Energy-Efficient and Sustainable MEC Networks},
author = {Yongtao Yao and Yao Yang and Haorui Shi and Canglu Zhu and Miaojiang Chen and Ahmed Farouk},
journal= {arXiv preprint arXiv:2604.25740},
year = {2026}
}