無(wú)線(xiàn)網(wǎng)絡(luò )的數字孿生模型

基于多智能體深度強化學(xué)習的端邊協(xié)同調度

　　邊緣計算技術(shù)是賦能工業(yè)控制等高實(shí)時(shí)、高可靠應用的關(guān)鍵支撐技術(shù)，它通過(guò)將計算資源部署于終端設備附近，可為工業(yè)現場(chǎng)提供豐富的算力資源，有效降低任務(wù)傳輸和處理時(shí)延。然而，由于終端設備上承載的任務(wù)異構多樣，而無(wú)線(xiàn)網(wǎng)絡(luò )的通信資源又嚴重受限，極易導致任務(wù)遷移過(guò)程中的計算資源搶占和無(wú)線(xiàn)網(wǎng)絡(luò )擁塞。

　　針對該問(wèn)題，中國科學(xué)院沈陽(yáng)自動(dòng)化研究所工業(yè)5G團隊提出了一種數字孿生驅動(dòng)的異構任務(wù)及資源的端邊協(xié)同調度方法，以論文形式刊載于計算機網(wǎng)絡(luò )領(lǐng)域學(xué)術(shù)期刊IEEE Journal on Selected Areas in Communications（中國科學(xué)院一區TOP期刊，IF：16.4）。論文名稱(chēng)為：Digital Twin-Driven Collaborative Scheduling for Heterogeneous Task and Edge-End Resource via Multi-Agent Deep Reinforcement Learning。

　　該研究中，科研團隊首先采用數字孿生技術(shù)，對感知/控制等異構任務(wù)、CPU/GPU等異構算力資源、信道/功率等異構通信資源進(jìn)行了虛擬化建模。在充分考慮異構任務(wù)的截止期要求、端邊設備的計算類(lèi)型和處理能力、數字孿生的資源估計偏差、終端的最大發(fā)射功率和可容忍的峰值干擾功率基礎上，構建了一個(gè)任務(wù)處理時(shí)間最小化問(wèn)題，提出了基于多智能體深度強化學(xué)習的端邊協(xié)同調度方法。該方法通過(guò)離線(xiàn)的集中式訓練和在線(xiàn)的分布式執行，同步完成計算類(lèi)型匹配、端邊任務(wù)劃分、算力資源分配和功率控制，實(shí)現異構任務(wù)及網(wǎng)算資源的端邊協(xié)同調度，滿(mǎn)足異構任務(wù)的多樣化需求。

　　近年來(lái)，科研團隊聚焦5G與工業(yè)制造技術(shù)的融合創(chuàng )新研究，在工業(yè)5G網(wǎng)絡(luò )的協(xié)議設計與優(yōu)化調度、標準制定、系統驗證等方面取得了一系列研究進(jìn)展，成果先后發(fā)表于IEEE Transactions on Industrial Informatics、IEEE Communications Magazine、IEEE Network、Engineering（《中國工程院院刊》）等學(xué)術(shù)期刊。

　　該研究成果得到了國家重點(diǎn)研發(fā)計劃、國家自然科學(xué)基金、遼寧省優(yōu)秀青年科學(xué)基金等項目的支持。（工業(yè)控制網(wǎng)絡(luò )與系統研究室）

來(lái)源：沈陽(yáng)自動(dòng)化所