任政儒团队在大规模边缘计算任务调度研究中取得新进展

       随着物联网设备的广泛普及，智慧城市中的智能节点数量正经历着爆炸性的增长，这给边缘计算带来了前所未有的挑战。一方面，大规模分布式边缘节点的部署和庞大的任务处理需求使得传统的基于优化理论的调度方法难以应对由此产生的计算复杂度激增；另一方面，任务请求的随机性和高并发性也对资源分配提出了更高的要求。为解决以上问题，迫切需要针对智慧城市的特定场景，研究高效的大规模边缘计算任务调度与资源分配策略，这已成为当前亟待攻克的关键技术难题。

图1 智慧城市边缘计算架构图

针对上述挑战，研究团队创新性地提出了一个面向智慧城市大规模边缘计算的任务调度框架。该框架将大规模任务调度问题转化为几何区域划分问题，通过引入流式聚类技术和加权Voronoi图实现了高效的任务分配，极大层度降低求解复杂度。同时，团队还设计了一种类似俄罗斯方块的任务卸载评估机制，并提出基于自适应滑动窗口的动态资源分配策略，有效解决了随机高并发任务请求下的资源分配问题。以智慧交通监控为例，该框架能够高效处理来自大量传感器的实时监测任务，在保证服务质量的同时，显著降低计算复杂度并提升系统性能。实验结果表明，该方法显著降低了任务截止时间违反率，在多种测试场景下相比现有方法提升了20倍以上的性能。研究成果为智慧城市、海上中心无人平台等未来复杂大系统的大规模边缘计算应用提供了重要的理论和技术支撑。

图2 框架概述图

相关研究成果以“面向智慧城市大规模边缘计算的几何化任务调度和自适应资源分配”（Geometrized Task Scheduling and Adaptive Resource Allocation for Large-Scale Edge Computing in Smart Cities）为题发表在IEEE物联网期刊（IEEE Internet of Things Journal）上。论文第一作者为清华大学深圳国际研究生院海洋工程研究院博士生陈洋，通讯作者为清华大学深圳国际研究生院任政儒助理教授，合作作者包括西班牙纳瓦拉大学丁月民副教授、清华大学深圳国际研究生院胡振中副教授。该项目得到了国家科技部重点研发项目的资助。

文：陈洋

编辑：彭锦涛

审核：王希林