任务延迟大幅降低
该算法专为CPU-GPU异构计算环境设计，通过约束转换和奖励函数设计，有效克服了决策变量高度耦合与动作空间巨大的难题，相较于基线方法，显著降低了工业物联网任务处理的长期平均延迟。
Zixuan, He · 孙彦景 · 王博文 · 李松 · 张贝贝
IEEE Internet of Things Journal 2023
相比基线方法，JCOHRA方案在最小化任务长期平均时延方面表现更优，这得益于对任务卸载与异构资源分配的联合优化。
通过约束转换和奖励函数设计，解决了决策变量之间紧密耦合以及动作空间巨大带来的学习困难，使得算法能够有效求解。
采用李雅普诺夫优化方法将长期队列稳定性约束转化为单时隙动态优化问题，从而保证系统队列的长期稳定。