优文推荐 | 边缘协作环境下最小化完工时间任务调度方法

文摘科技 2024-06-27 17:10 陕西

NO.1 论文简介

由于用户地理位置分布不均可能导致边缘服务器负载不均衡，难以为用户提供满意的服务质量。此外，边缘服务器可用资源有限，一些大任务可能难以全部卸载到边缘服务器。针对以上问题，利用多个边缘服务器之间的协作，结合任务部分卸载方式，提出一种边缘协作环境下最小化完工时间的任务调度方法。首先，结合边缘水平协作和任务部分卸载技术，考虑多用户多边缘服务器场景下用户和边缘服务器的位置关系，以最小化任务完工时间为目标，建立任务部分卸载调度模型；其次，提出基于改进分组教学优化算法IGTOA的任务调度算法，联合优化边缘服务器计算资源分配、用户-边缘服务器关联决策、任务卸载比例以及执行位置决策，以最小化任务完工时间为目标，实现边缘计算环境下任务的高效调度；最后，通过实验将提出的任务调度算法IGTOA与其他算法在多个指标下进行对比。实验结果表明，所提方法能够有效降低任务完工时间。

NO.2 主要贡献

（1）建立了边缘协作环境下任务部分卸载与调度模型。考虑边缘服务器间拓扑结构、负载和任务属性，定义边缘协作环境下任务转发时间模型；以及任务在本地和边缘服务器执行的时间模型，以最小化完工时间为目标，建立边缘协作环境下任务部分卸载优化问题。

（2）提出了基于改进分组教学优化算法的任务调度算法。首先，在改进分组教学优化算法中初始化任务执行位置B和卸载比例；其次，根据初始化的任务执行位置B和卸载比例，通过贪婪的搜索算法求解当前最优的用户-服务器关联策略，通过拉格朗日乘子法结合启发式策略求解计算资源分配，确定本次的用户-服务器关联策略A和计算资源分配F；再次，将A和F返回给改进的分组教学优化算法，并更新B和。重复上述过程，循环迭代直至满足算法结束条件，得到最优的调度结果。

NO.3 研究结论

图1展示了所提IGTOA算法与原始GTOA算法、基于粒子群的DTPSO算法的适应度函数值。可以看到，所提IGTOA算法结合随机反向学习策略获得反向解范围内的随机解，能够扩大搜索范围，并且为精英组学生添加了学习动机，使精英学生能够通过自学来提高自身知识水平，在搜索最优解的能力和收敛速度上均有所提升。

图1 不同算法适应度函数值变化

图2展示了用户均匀分布、边缘服务器性能异构场景下用户数量对任务执行时间和卸载至每种类型边缘服务器任务量大小的影响。可以发现，所提IGTOA算法相比ACS算法，用户平均执行时间降低5%-10%，相比HJTORA算法降低23%-35%，且随着用户数量的增加，执行时间降低的幅度增大。综上可见，IGTOA算法能有效降低任务完工时间。

图2 边缘服务器异构、用户分布均匀时用户数量的影响

NO.4 论文资助

陕西省重点研发计划（2024GX-YBXM-010，2024GX-YBXM-140，2024GX-YBXM-039）
中央高校基本科研业务费专项资金（ZYTS24089）

NO.5 作者介绍

本团队来自西安电子科技大学计算机科学与技术学院、陕西省智能人机交互与可穿戴技术重点实验室。该实验室长期开展计算机系统结构、异构计算/云计算等相关研究。实验室有固定人员51人，其中教授/研究员21名，副教授/高工15名，讲师15名；近年来获批国家级课题21项，省部级和横向课题51项，新增千万级重大科研项目1项；获软著、授权发明专利70余项；发表高水平学术论文190余篇；获得省部级以上科研成果奖励18项。

张超（2000—），男，西安电子科技大学硕士研究生，

E-mail：22031212431@stu.xidian.edu.cn。

赵辉（1983—），男，副教授，博士，

E-mail：hzhao@mail.xidian.edu.cn。

张智峰（1998—），男，西安电子科技大学硕士研究生，

E-mail：20181214346@stu.xidian.edu.cn。

王静（1981—），女，副教授，博士，

E-mail：wangjing@mail.xidian.edu.cn。

万波（1976—），男，教授，博士，

E-mail：wanbo@xidian.edu.cn。

王泉（1970—），男，教授，博士，

E-mail：qwang@xidian.edu.cn。