基于边缘终端协作的高效无缝任务卸载，用于AIoT弹性计算服务

《IEEE Transactions on Services Computing》：Efficient Seamless Task Offloading Based on Edge-Terminal Collaborative for AIoT Elastic Computing Services

本文针对AIoT系统中终端设备计算压力大、任务调度延迟问题，提出协作边缘-终端任务卸载方案。通过Lyapunov优化将长期卸载问题转化为单时隙调度问题，并分解为资源分配和权重选择子问题，采用Bisection方法和KKT条件分别求解，结合改进的跳跃蜘蛛优化算法选择权重，实验表明卸载成本降低58.8%，成功率提升6%。

　　

摘要：

物联网人工智能（AIoT）结合了计算、存储和网络资源，为工业生产过程提供高度可靠且低延迟的信息服务。然而，随着大量智能终端被集成到实时感知、自主决策和精密制造执行系统中，现有的任务调度模式似乎无法满足计算密集型任务的延迟要求。为了解决这一挑战，本文提出了一种协作式边缘终端任务卸载方案。首先，通过李雅普诺夫优化将任务积压和多时隙调度（TBMS）问题从长期卸载问题转化为单时隙调度问题。然后，为了简化问题，将单时隙问题分解为三个子问题：本地资源分配问题、服务器资源分配问题和指标权重选择问题。这两个资源分配问题被证明是凸优化问题，分别采用二分法和Karush-Kuhn-Tucker（KKT）方法求解。对于指标权重选择问题，我们提出了改进的跳跃蜘蛛优化算法，该算法整合了精英对手学习策略。大量实验表明，所提出的算法能够减轻终端设备的计算负担。与传统方法相比，卸载系统的成本至少降低了58.8%，平均执行成功率至少提高了6%。

引言

物联网人工智能（AIoT）通过精确整合人工智能（AI）、边缘计算以及信息和通信技术，在工业运营过程中带来了革命性的进步[1]、[2]。通过采用“电力+计算”网络框架，AIoT增强了业务协作，促进了安全和稳定的工业运营，并优化了智能管理[3]、[4]。随着大量智能终端进一步集成到实时感知、自主决策和精密制造执行系统中，以及计算能力网络（CPNs）的普及，AIoT显著提升了工业的信息处理能力和智能化水平。然而，由于终端设备（TDs）的计算能力和电池寿命有限，它们面临着故障检测、负载预测、智能检测、远程控制等计算密集型任务需求迅速增长所带来的巨大负担[5]。因此，迫切需要改进计算资源的精确管理。通过利用边缘终端之间的协作来动态和自动协调计算、存储和通信资源，AIoT服务的能力将得到显著提升，从而实现更高效、可靠和环保的工业生产过程。