车载边缘计算中推理任务的实时调度策略

TP399; 为了给存在依赖关系的车载任务提供合理的实时调度方案,以使移动边缘计算通过将车载任务调度到边缘节点处理来有效减少执行时间,设计了一种车载边缘计算中推理任务实时调度策略.将自动驾驶应用的推理过程抽象为基于有向无环图的推理任务模型;利用任务优先级评价方法界定推理任务执行顺序,继而基于深度Q学习算法为推理任务选择合适的资源节点,根据资源分配结果执行相应的推理任务.实验结果表明,该调度策略能够有效减少推理任务处理时延,且收敛性与实时响应速度更佳....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 28; no. 10; pp. 3295 - 3303
Main Authors 陈乔鑫, 卢宇, 林兵, 王素云, 邵浚
Format Journal Article
LanguageChinese
Published 北京大学 信息科学技术学院,北京 100871 31.10.2022
福建师范大学 物理与能源学院,福建 福州 350117%福建师范大学 协和学院,福建 福州 350117%福建师范大学 物理与能源学院,福建 福州 350117
Subjects
计算卸载
自动驾驶
强化学习
边缘计算
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2022.10.025

Cover

More Information
Summary:TP399; 为了给存在依赖关系的车载任务提供合理的实时调度方案,以使移动边缘计算通过将车载任务调度到边缘节点处理来有效减少执行时间,设计了一种车载边缘计算中推理任务实时调度策略.将自动驾驶应用的推理过程抽象为基于有向无环图的推理任务模型;利用任务优先级评价方法界定推理任务执行顺序,继而基于深度Q学习算法为推理任务选择合适的资源节点,根据资源分配结果执行相应的推理任务.实验结果表明,该调度策略能够有效减少推理任务处理时延,且收敛性与实时响应速度更佳.
ISSN:1006-5911
DOI:10.13196/j.cims.2022.10.025