基于注意力机制的智慧城市边缘计算网络资源分配方案

《ACM Transactions on Sensor Networks》：A Resource Allocation Scheme for Edge Computing Network in Smart City Based on Attention Mechanism

针对智能城市中边缘计算网络多样化服务资源分配挑战，本文提出基于注意力机制的Q-learning优化方案，有效提升资源利用率、降低任务平均延迟并保障服务质量。

　　

摘要

近年来，连接到智能城市的设备和终端数量显著增加。边缘网络面临着更多种类的连接对象和庞大的服务需求。由于大量服务具有不同的服务质量（QoS）要求，智能城市如何优化分配有限的计算资源以满足所有服务的需求一直是一个巨大的挑战。特别是在医疗、工业等应用中，延迟是不可接受的，这些应用需要较高的服务优先级。因此，通过灵活的动态调度机制，将服务调度到最优节点以保障用户体验至关重要。在本文中，我们提出了一种基于注意力机制的智能城市分层边缘计算网络资源分配方案，该方案能够从边缘节点收集的大量信息中提取少量能够代表服务特征的数据。注意力机制用于快速确定服务的优先级。在此基础上，通过引入Q学习算法，实现了针对不同任务优先级的任务部署和资源分配，从而确保智能城市中的服务质量。仿真结果表明，所提出的方案可以有效提高边缘网络资源利用率，降低任务处理的平均延迟，并有效保障服务质量。