Aug, 2023

使用深度强化学习进行 DAG 任务的边缘生成调度

PDF
TL;DR本研究设计了一种新的基于边生成调度（EGS）的有向无环图（DAG）调度框架，使用基于平凡调度性测试的调度性测试方法并结合深度强化学习算法和图表示神经网络来高效生成边缘，并通过与现有的 DAG 调度启发式算法和优化的混合整数线性规划基准进行比较，实验结果表明该算法在安排相同的 DAG 任务时需要较少的处理器。
发现论文，激发创造
  • GA-DRL：图神经网络辅助深度强化学习用于动态车联网中的 DAG 任务调度

    本文提出了一种基于图神经网络和深度强化学习的车联网环境下 DAG 任务调度方案，通过采用多头注意力网络，对 DAG 子任务进行特征提取，同时考虑了任务拓扑结构和车辆动态特征，通过模拟实验表明该方案在完成 DAG 任务时间方面优于现有基准。

    Jul, 2023

  • 有向无环图生成的深度 Q 学习

    利用深度强化学习，我们提出了一种生成有向无环图（DAGs）的方法，并能在高度稀疏的回报环境中生成满足特定拓扑与结点类型标准的有向边图。

    Jun, 2019

  • 数字孪生辅助高效边缘任务调度的强化学习

    本文提出了一种 Digital Twin 辅助的 RL 任务调度方法，在探索效率上通过 DT 显著提高 RL 的收敛速度，使用 DT 模拟智能体做出的不同决策，从而实现探索多种行动并行交互的效果，提高了更快的数据分析能力和收敛效果。

    Aug, 2022

  • 基于强化学习的流水线 Coral Edge TPU 边缘调度

    使用深度神经网络的合成图像数据集，本文提出了一种基于强化学习的调度框架 RESPECT，该框架学习最优化算法的行为并生成几乎最优的调度结果，同时解决了边缘计算系统中资源受限计算图的调度优化问题。

    Apr, 2023

  • 基于深度强化学习的物联网驱动智能孤岛微电网最优调度

    本文使用深度强化学习技术研究了 IoT 驱动孤立微电网中柴油发电机（DG）的调度问题。旨在在可再生能源不确定性情况下充分利用可再生能源，通过离散 - 连续混合动作空间的 DRL 算法解决了二进制 DG 开关决策和连续能量调度决策，并针对旋转备用的情况提出了 POMDP 模型，实验显示其性能要优于同类算法。

    Apr, 2023

  • 深度强化学习在机器调度中的应用方法、现状和未来方向

    深度强化学习 (DRL) 在机器调度问题中的方法和应用进行了全面的综述和比较，发现 DRL 方法在计算速度和生成接近全局最优解方面表现优于其他方法，但面临着处理复杂操作约束、多目标优化、泛化性、可扩展性、解释性和鲁棒性等限制，解决这些挑战将是未来研究中的关键焦点。该论文为研究人员评估当前 DRL 机器调度领域的现状以及发现研究空白提供了宝贵的资源，同时也帮助专家和从业者选择适合生产调度的 DRL 方法。

    Oct, 2023

  • EDGE++：EDGE 训练和采样的改进

    本文提出了对 EDGE 模型的改进，包括引入了一个特定度数的噪声计划，优化了每个时间步骤的活跃节点数量，显著减少了内存消耗，并提出了一个改进的采样方案，通过微调生成过程来更好地控制合成网络和真实网络之间的相似度，实验结果表明，这些改进不仅提高了生成图的效率，还增强了其准确性，为图生成任务提供了强大且可扩展的解决方案。

    Oct, 2023

  • 面向延迟的物联网任务调度的深度强化学习在空天地一体化网络中的应用

    本文旨在设计一种任务调度策略，以最小化所有任务的离线和计算延迟，同时满足无人机能源容量约束下的延迟导向物联网服务需求，并考虑到任务到达动态变化的情况，提出了基于风险敏感的强化学习算法来解决能耗风险约束下的决策问题。

    Oct, 2020

  • 深度学习视角下的固定优先级全局调度

    本文介绍了如何将深度学习应用于实时任务调度中的固定优先全局调度问题，并简要讨论了几种可能的深度学习采用方式，例如具有依赖性的任务调度和混合关键任务调度。我们认为，借助先进的深度学习技术，有很多机会来提高各种系统配置和问题场景中的调度质量。

    Dec, 2020

  • 基于知识辅助的深度强化学习在 5G 调度器设计中的应用：从理论框架到实现

    本论文提出了一种基于知识辅助的深度强化学习算法来设计第五代（5G）移动通信网络中的无线调度器，利用理论模型提出了理论的强化学习框架，在线离线相结合的方式实现了知识辅助 DDPG 算法，通过模拟实验和实际测试证明了该方法在收敛时间和 QoS 性能方面都优于现有方案，减少了 30%~50% 的数据包丢失率。

    Sep, 2020