基于图强化学习的多边缘协同负载均衡方法

作     者：郑龙海 肖博怀 姚泽玮 陈星 莫毓昌 ZHENG Longhai;XIAO Bohuai;YAO Zewei;CHEN Xing;MO Yuchang

作者机构：福州大学计算机与大数据学院福州350116 大数据智能教育部工程研究中心福州350002 福建省网络计算与智能信息处理重点实验室福州350116 华侨大学计算科学福建省高校重点实验室福建泉州362021 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2025年第52卷第3期

页      面：338-348页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62072108) 福建省科技经济融合服务平台(2023XRH001) 福厦泉国家自主创新示范区协同创新平台项目(2022FX5) 

主　　题：多边缘协作 负载均衡 任务卸载 图神经网络 深度强化学习 

摘      要：在移动边缘计算中,设备通过将计算密集型任务卸载到附近边缘服务器,可以有效减少应用程序的延迟和能耗。为了提高服务质量,边缘服务器之间需要协作而非单独工作。针对多边缘协作的负载均衡问题,现有的策略往往依赖于精确的数学模型或缺乏对边缘拓扑关系的利用。为了解决此问题,文中提出了一种基于图强化学习的卸载决策方法。首先将多边缘协作的负载均衡场景抽象为图数据;然后采用基于图卷积神经网络的图嵌入过程来提取图的信息特征,以辅助深度Q网络进行卸载决策;最后通过集中反馈控制机制找到目标负载均衡方案。在多个场景下进行仿真实验,实验结果验证了所提方法在缩短任务平均响应时延方面的有效性,并且可以在短时间内获得优于对比算法且接近理想方案的负载均衡效果。