GDML资源分配遗传算法

任务完成率最高

为fgOTN中的地理分布式机器学习任务提供基于遗传算法的资源分配方案，相较于现有方法有效缓解资源竞争并最大化任务完成率。

Lian, Meng · 赵永利 · 李昕 · Wenhong, Liu · 李亚杰 · Tornatore, Massimo · Jie, Zhang

IEEE Internet of Things Journal 2025

技术优势

任务完成率最高

GARA通过优先为高优先级任务分配资源，缓解资源竞争，从而在仿真中实现最高的任务完成率。

避免过度重配置

GARA在追求高完成率的同时避免了网络带宽频繁调整，减少了重配置开销。

自适应变异

基于任务完成率的自适应变异策略，提高了算法搜索效率，从而改善资源分配。

应用场景

• 广域网优化：通过合理分配带宽资源，提升广域网中分布式训练任务的同步效率。
• 物联网资源管理：为大规模物联网分布式训练场景提供资源分配方案，保障任务完成。
• 分布式机器学习：通过优化带宽分配，加速地理分布式模型之间的同步通信。
• 智能网络调度：利用遗传算法智能调度网络资源，在动态环境中完成资源分配。