マルチ次元特徴抽出と注意機構融合に基づくエッジコンピューティングタスクスケジューリングメカニズム

科学分野:

• エッジコンピューティング;人工知能;コンピュータネットワーク

背景:

• 既存のエッジコンピューティングタスクスケジューリングアルゴリズムは、中央ホストでの高いエネルギー消費と低いタスク成功率という課題に直面しています。;エッジ環境におけるホスト間の動的な依存関係は複雑で、モデル化が困難です。

研究 の 目的:

• エッジコンピューティング環境向けの効率的で適応性のあるタスクスケジューリングメカニズムを提案すること。;フォールト予測とフォールトトレラントスケジューリングの最適化を強化すること。;エネルギー効率とタスク処理能力を向上させること。

主な方法:

• マルチ次元特徴抽出および注意機構融合（MFEAF）メカニズムを開発しました。;フォールト予測とスケジューリングのためにグラフ注意ネットワークとテンポラルネットワークモデリングを統合しました。;グラフ畳み込みとグラフ注意を備えたマルチレベルグラフニューラルネットワークアーキテクチャを採用しました。;収束を改善するために、動的な学習率調整とコサインアニーリングを利用しました。

主要な成果:

• MFEAFはフォールト予測において0.9328のF1スコアを達成し、既存の方法を上回りました。;平均エネルギー消費量を5.0%削減し、完了タスクを12.0%増加させました。;平均移行時間を50%（合計19.79秒）削減し、51.3%減少させました。;コンテナのコストと公平性指数を最も低く達成し、リソース割り当てとコスト効率のバランスを取りました。

結論:

• MFEAFは、エッジコンピューティングにおける動的なフォールトトレランスのための効率的で適応性のあるソリューションを提供します。;提案されたメカニズムは、フォールト予測、エネルギー効率、タスク処理、移行効率を含むパフォーマンスメトリクスを大幅に改善します。;MFEAFは、エッジ環境におけるリソース割り当てとコスト効率のバランスを効果的に取ります。