리서치 연구

PPO-STGNN: A Proximal Policy Optimization Approach with Spatio-Temporal Graph Neural Networks for DAG Task Scheduling in Cloud-Edge-End Computing

ARarXiv9월 4일 발표 · 1분 · 심사 전 논문

클라우드-엣지-엔드 환경에서 복잡한 의존성을 가진 DAG 작업을 효율적으로 스케줄링하는 것은 자원 이질성 때문에 매우 어려운 문제입니다.

세 줄 요약arXiv 원문 기반

본 연구는 STGNN을 이용해 작업 위상과 물리적 자원 그래프의 시공간적 특징을 추출하고, 이를 PPO로 최적화하는 PPO-STGNN 알고리즘을 제안합니다.
실험 결과, 이 방법은 시스템 부하 균형을 크게 개선하면서도 낮은 완료 시간(makespan)을 유지하여 높은 효율성을 입증했습니다.
PPO-STGNN은 컴퓨팅 자원과 네트워크가 불균일한 클라우드-엣지 환경의 복잡한 DAG 스케줄링 문제 해결에 효과적인 대안이 될 것입니다.

클라우드-엣지-엔드 환경에서 복잡한 의존성을 가진 DAG 작업을 효율적으로 스케줄링하는 것은 자원 이질성 때문에 매우 어려운 문제입니다.