摘要：AI质检是智能制造的重要环节,其设备在进行产品质量检测时会产生大量计算密集型和时延敏感型任务。由于设备计算能力不足,执行检测任务时延较大,极大影响生产效率。多接入边缘计算(MEC)通过将任务卸载至边缘服务器为设备提供就近算力,提升任务执行效率。然而,系统中存在信道变化和任务随机到达等动态因素,极大影响卸载效率,给任务调度带来了挑战。该文面向多接入边缘计算赋能的AI质检任务调度系统,研究了联合任务调度与资源分配的长期时延最小化问题。由于该问题状态空间大、动作空间包含连续变量,该文提出运用深度确定性策略梯度(DDPG)进行实时任务调度算法设计。所设计算法可基于系统实时状态信息给出最优决策。仿真结果表明,与基准算法相比,该文所提算法具有更好的性能表现和更小的任务执行时延。

摘要：延迟容忍网络中的目标追踪问题一直被广泛关注,目前的相关策略主要围绕单探测器追踪单个目标问题。有些搜索策略利用节点相遇的可能性,有些利用节点的地理位置信息,有些采用更加新颖的方法,比如利用目标节点留下的移动方位信息和时间。这些策略都直接或者间接地利用了目标节点的信息进行目标搜索,但是普遍不高的成功率使得这些搜索策略应用范围受到一定限制。设计了一套基于多探测器协同的分布式目标追踪策略,通过远距离协同探测机制DTRs与直接协同机制TRs进行多探测器协同追踪,有效避免探测冲突与冗余步骤,提高追踪效率。理论分析与实验表明,该策略相比传统策略能有效减少追踪步数,提高目标追踪成功率。