多跳图邻居卸载算法

任务总时延最小化

一种基于深度强化学习的分布式任务卸载算法，能适应工业物联网中AGV的动态环境和复杂任务。

Jia, Bao · 胡海洋 · Xueming, Jiang · Wen, Wang · Ping, Chen · Jiefeng, Ye

Future Generation Computer Systems 2026

参数信息

平均奖励提升

9.97 %

技术优势

时延更低

算法目标是直接最小化总任务执行时延，相比只优化能耗或成本的策略更能满足AGV实时性需求。

适应性强

基于深度强化学习，能够在线适应动态通信链路和任务变化，无需人工重新建模。

利用邻居算力

通过构建有向无环图并运行改进的Dijkstra算法寻找多跳路径，使AGV能够将任务卸载到邻居节点，扩展了计算资源池。

应用场景

• AGV任务卸载：降低AGV任务处理时延，提升车间物流效率。
• 工业物联网边缘计算：在边缘侧协同调度计算资源，减轻云端压力。
• 移动机器人调度：动态调度机器人任务，适应移动性带来的链路变化。