TPTO：一种面向边缘计算环境的基于 Transformer-PPO 的任务卸载解决方案
分布式、并行与集群计算
2023-12-20 v1
摘要
医疗保健、自动驾驶汽车和可穿戴辅助设备中的新兴应用需要交互式且低延迟的数据分析服务。遗憾的是，云中心架构无法满足这些应用的低延迟需求，因为用户设备通常远离云数据中心。边缘计算旨在通过将处理任务卸载到位于网络边缘的资源来降低延迟。然而，确定必须将哪些任务卸载到边缘服务器以降低应用请求的延迟并非易事，尤其是当任务存在依赖关系时。本文提出了一种名为 TPTO 的深度强化学习（DRL）方法，该方法利用 Transformer 网络和 PPO 来卸载边缘计算中物联网应用的依赖任务。我们考虑了具有不同偏好的用户，其中设备可以通过无线信道将计算卸载到边缘服务器。性能评估结果表明，在复杂应用图下，TPTO 比现有最先进的方法（如 Greedy、HEFT 和 MRLCO）更有效，分别降低了 30.24%、29.61% 和 12.41% 的延迟。此外，TPTO 的训练时间比现有的 DRL 方法快约 2.5 倍。
引用
@article{arxiv.2312.11739,
title = {TPTO: A Transformer-PPO based Task Offloading Solution for Edge Computing Environments},
author = {Niloofar Gholipour and Marcos Dias de Assuncao and Pranav Agarwal and julien gascon-samson and Rajkumar Buyya},
journal= {arXiv preprint arXiv:2312.11739},
year = {2023}
}