巩宸宇 舒洪峰 张昕

摘要：根据算力网络不同层次的特性和各种应用的不同需求，提出一种多层次算力网络模型和计算卸载系统，并定义一个由时延、能耗组成的加权代价函数以建模一个任务调度问题。为解决这一问题，提出一个基于交叉熵的集中式不可分割任务调度（CUTS）算法。数值仿真结果表明，与其他基线算法相比，该算法在系统平均代价方面拥有较好的性能。

关键词：多层次算力网络；交叉熵；集中式；任务调度；不可分割

Abstract： According to the characteristics of different layers of computing power network and different requirements of various applications， a multi-tier computing power network model and computation offloading system are proposed. Specifically， a cost function consisting of latency and energy consumption to model a task scheduling problem is defined. To solve the problem， a centralized unsplittable task scheduling （CUTS） algorithm based on cross-entropy is introduced. Simulation results show that the algorithm provides superior performance in terms of the average system cost compared with other baseline solutions. Keywords： multi-tier computing power network； cross-entropy； centralized； task scheduling； unsplittable

近年来，随着深度学习的不断发展，人工智能服务和应用大量涌现，比如人脸识别、自然语言处理、虚拟现实、增强现实等。这些应用通常都是计算密集型任务，将消耗大量的终端资源（如算力和能耗）。然而，由于计算能力和能量供应有限，终端设备（例如手机）可能无法提供良好的服务质量。为此，研究者们提出云计算的概念。

云计算[1-2]是由分布式计算、并行处理、网格计算发展而来的新型计算模型。通过虚拟化技术建立强大的资源池，云计算使各种应用和服务能够按需获取算力、存储资源及各种软件资源。云计算为海量数据的处理提供了可能，同时也为计算密集型的人工智能应用提供了强大的算力。然而，端与云之间的传输时延使得云计算无法满足时延敏感型应用的需求。因此，雾计算和边缘计算[3-4]的概念被提出，以解决云计算传播时延大的问题。

边缘计算是指，在靠近物或者数据源头的一侧部署设备，提供计算、存储等软件服务，并通过算力和通信资源的联合分配，满足应用的时延需求。……