首页|期刊导航|南京邮电大学学报(自然科学版)|面向边缘推理的在线高能效协同优化方法

面向边缘推理的在线高能效协同优化方法OA

中文摘要

云边端智能系统中,推理任务的高能耗与精度需求之间存在显著矛盾,尤其在配备本地储能的分布式异构计算场景下,亟需协同优化任务调度与能量管理。针对此问题,提出一种面向分布式异构云边端推理的在线高能效协同优化方法。综合考虑任务-模型分配、电池充放电动态、电网购电预算等约束,以最小化总精度损失为目标构建联合优化模型;并设计分层求解框架,外层采用原始-对偶在线学习算法处理长期电费约束并生成分数解,内层引入依赖随机舍入机制将分数解转化为满足任务互斥约束的可执行整数解。理论分析表明,所提算法在动态遗憾与约束违背上均达到O(T^(2/3))的次线性上界。仿真实验表明,所提方法在精度损失与购电成本间取得最优权衡,性能接近Gurobi最优解,显著优于深度强化学习等基线,且在预算受限、电价扰动等场景下展现出较强鲁棒性,为绿色边缘智能提供高效实用的调度方案。

吴旺东;汤铭;韦磊;张伯雷

国网江苏省电力有限公司信息通信分公司,江苏南京210008国网江苏省电力有限公司信息通信分公司,江苏南京210008国网江苏省电力有限公司信息通信分公司,江苏南京210008南京邮电大学计算机学院,江苏南京210023

信息技术与安全科学

边缘推理能效优化分层优化在线学习

《南京邮电大学学报(自然科学版)》 2026 (5)

P.131-138,8

国网江苏省电力有限公司科技项目(J2024160)资助项目。

10.14132/j.cnki.1673-5439.2026.05.014

评论