面向边缘光算力网络的上行链路资源协同调度算法OA北大核心
Uplink resource coordinated scheduling algorithm for edge-oriented optical computing power networks
为满足冷、热业务实时、高效的算力调度需求,提出一种基于自适应噪声完全集合经验模态分解(CEEMDAN)与时间卷积网络(TCN)的算力负载预测模型(简称C-TCN模型),并设计了基于C-TCN与Q学习的资源协同调度算法(CTQ算法),利用C-TCN模型提前感知下一时刻负载变化,通过Q学习协同调度波长与存储资源,寻找最佳波长划分与边缘存储分配方案.实验结果表明:CTQ算法的调度性能不仅优于现有调度算法,能满足冷、热业务调度性能要求,而且还能提高波长利用率.
In order to meet the real-time and efficient computing power scheduling requirements of hot and cold services,a com-putational load prediction model(abbreviated as C-TCN model)based on adaptive noise complete set empirical mode decompo-sition(CEEMDAN)and time convolutional network(TCN)is proposed,and a resource cooperative scheduling algorithm(CTQ algorithm)based on C-TCN and Q learning is designed.The C-TCN model is used to sense the load change at the next…查看全部>>
王蕴;林霄;楼芝兰;李军;孙卫强
福州大学物理与信息工程学院,福州 350116福州大学物理与信息工程学院,福州 350116浙江财经大学数据科学学院,杭州 310018苏州大学江苏省新型光纤技术与通信网络工程研究中心,江苏苏州 215006上海交通大学区域光纤通信网与新型光通信系统国家重点实验室,上海 200240
电子信息工程
边缘光算力网络算力调度数据传输资源调度网络优化
edge optical computing power networkcomputing power schedulingdata transferresource schedulingnetwork optimization
《光通信技术》 2024 (3)
45-51,7
国家自然科学基金青年项目(批准号:61901118、12001483)资助上海交通大学"区域光纤通信网与新型光通信系统国家重点实验室"开放基金(批准号:2023GZKF020)资助江苏省新型光纤技术与通信网络工程研究中心开放研究课题(批准号:SDGC2232)资助.
评论