智能应用和计算与网络融合的最新进展推动了计算和网络融合系统的发展。然而，现有研究未能实现对计算和网络资源的全面调度优化，从而导致一些计算请求的要求无法在端到端服务模式中得到保证，对计算和网络融合系统的发展产生负面影响。本文提出了一种分布式协作路由框架，用于计算和网络融合系统，以确保截止日期要求并最小化请求的计算成本。该框架包括交易平面、管理平面、控制平面和转发平面。交叉平面协作端到端路由方案在制定路由计划时考虑了异构服务器的计算效率和网络拥塞程度，从而确定在哪里执行请求和对应的路由路径。仿真结果证实了我们的路由方案在计算和网络融合系统中调度计算请求的性能。

Feb, 2024

本文介绍了计算与网络融合的概念，提出了基于强化学习的计算与网络编排方法，通过实验显示该方法可以比贪婪算法、随机选择和均衡资源算法实现更高的利润和更低的延迟，并证明了强化学习在计算与网络编排上的适用性。

Sep, 2022

基于人工智能技术，本文提出了一种用于计算和网络融合的智能内生管理平台 ——CNC 大脑，通过感知、调度、适应和治理等四个关键构建模块，在整个计算和网络融合生命周期中实现高异构性的供需匹配，通过在 OpenFaas、Kubernetes 和 Microsoft Azure 的真实业务数据集上进行评估，证明了该方法在资源利用和性能方面的有效性，并提出了 CNC 大脑的未来研究方向。

Aug, 2023

通过引导参与联邦学习的设备基于业务需求、资源负载、网络状况和设备的算术能力，计算和网络融合（CNC）可以提高联邦学习在复杂网络环境中的通信效率，并通过优化模型参数传输过程中的通信效率来解决复杂网络情况下的延迟分布和网络资源利用率的问题。

Nov, 2023

本文研究了 5G 通信网络中通信、计算和缓存资源的联合优化，借助基于图形表示的学习方法以及创新的资源分配技术来实现将 3C 资源更靠近移动用户、实现低延迟、高可靠性服务的目标。

Feb, 2018

本文通过引入基于 RNN 的 DDQL 技术和基于 water-filling 算法的服务放置方法，解决了网络云集成环境中的服务放置和资源分配问题，从而实现在 B5G 中动态用户、超低延迟服务的放置以及用户迁移时的服务连续性的优化。

Sep, 2023

CNC-Net 使用深度神经网络在 CNC 制造中模拟 CNC 机器，通过输入 3D 模型生成 CNC 机器所需的操作参数，提供了低成本、高精度的替代手动 CNC 编程的自我监督框架。

Dec, 2023

提出了一种基于 A3C 和 R2N2 的边缘云环境实时调度器，允许分散式学习，同时跨多个代理并利用时间模式提供有效的调度决策，实验表明在实际数据集上相比现有算法的能耗、响应时间、服务级别协议和运行成本等方面都有显著改进。

Sep, 2020

本文探讨了在 5G 等新型网络中，如何平衡学习过程和用户数据平面的资源需求，并提出了一种动态策略来达成资源的有效利用和数据保障。研究结果表明，该方法在减少对用户 QoS 干扰的同时，可以比传统静态分配方法更快地达到高效的资源分配策略，达到了一个近似理想离线联邦学习解决方案的性能。

Jun, 2023

基于图卷积网络的自适应边缘资源分配方法在多用户元宇宙环境中模拟了各代理之间的相互作用，以优化资源分配并提升用户体验。

Dec, 2023