Los puntos clave no están disponibles para este artículo en este momento.
Para abordar los desafíos planteados por el dinamismo, la alta latencia y la escasez de recursos en entornos híbridos integrados de nube en el borde aire-espacio-tierra sobre los tiempos de finalización de tareas y la carga de nodos, diseñamos un sistema de programación de tareas para escenarios que involucran la transmisión y procesamiento de tareas interdependientes. Este sistema integra una red neuronal de grafos con mecanismo de atención y aprendizaje por refuerzo profundo. Específicamente, utilizamos un codificador de grafos para extraer características de tareas y recursos en un DAG. Las soluciones de programación de tareas para entornos dinámicos se generan utilizando un decodificador de grafos equipado con mecanismo de atención, que se optimizan posteriormente en función de métricas de rendimiento mediante el uso de un algoritmo de Actor-Crítico de Ventaja. Los resultados experimentales indican que este algoritmo tiene un buen desempeño en términos de tiempo de finalización y equilibrio de carga de nodos en tareas con diferentes estructuras de flujo de trabajo, demostrando su adaptabilidad a entornos de nube en el borde altamente dinámicos.
Jiang et al. (Wed,) estudiaron esta cuestión.