GraphEdge：边缘网络中的动态图划分与任务调度用于图神经网络

本研究解决了边缘计算中图结构场景下用户数据高度相关的任务调度问题，现有方法在此类应用中表现不佳。提出的GraphEdge架构通过分层遍历图切割算法优化图布局，并利用深度强化学习实现了高效的任务卸载策略，显著降低了任务处理时间和能耗。实验结果表明该架构在动态场景下也具有良好的适应性和效果。

本研究提出GraphEdge架构，针对边缘计算中用户数据高度相关的任务调度问题，利用图切割算法和深度强化学习优化任务卸载策略，显著降低处理时间和能耗，并在动态场景中表现优异。

GraphEdge 任务调度 深度强化学习 神经网络 能耗 边缘计算
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友