边缘AI去中心化任务分配排序框架提出

1. 12:00
   arXiv cs.AI

   Edge-AI 驱动的学习排序用于循环智能制造中的去中心化任务分配

   研究提出 Edge-AI 驱动的去中心化任务分配框架，在机器端部署轻量决策智能：先以资源感知启发式建立去中心化竞价结构，再用回归式 Edge-AI 学习本地出价近似，最后用紧凑的自编码器正则化成对排序模型对解析出价排序做学习式修正。在高负载、依赖共享资源的离散事件仿真中，该排序方法相比启发式提升了完成任务数、降低了平均拖期与截止期错过率，且差异统计显著，每完成任务平均能耗也下降。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。