科研背景
1.云中心具有丰富的计算资源、高安全性和巨大的存储，现已将部分或全部计算密集型任务转移到云中心执行，但由于距离智能移动设备比较远，计算需求的爆炸性增长，网络可能会拥塞，导致传输延迟难以接受，占用云中心资源的经济成本较高，影响了对时延敏感的应用程序的实时性能。
2.边缘云是在靠近物或数据源头的网络边缘侧就近提供边缘智能服务的开放平台。传输链路的缩短使边缘云可以在数据侧快捷、高效地响应业务需求。
3.由于工作流的复杂性和大规模性，手工调度每个任务并不是一种可行的方法，这涉及到边缘云环境中的实时执行和大量流动数据，高延时的任务的资源分配是灵活的，有一些具有实时性和位置特性的任务的资源分配要求更苛刻。
科研问题
1.启发式算法在执行前算好所有的调度顺序以及分配给哪个资源，不能适应边缘云中不断变化的工作负载和约束，难以体现边缘云更适合处理实时、短周期数据的优势，因此不适用于实时的调度问题边缘云中的工作流调度。
2.尽管单个服务可能不会有很高的的功率，但数十亿个服务的综合能耗将对底层基础设施造成不可忽略的影响，因此有必要尽量降低边缘计算中产生的能耗。
科研目的
提出基于DQN的智能调度算法实时地根据边缘云的变化进行工作流调度，选择服务器执行任务，专注于解决边缘云环境调度基于DAG (有向无环图) 的工作流中的时间最小化和能量优化的冲突目标，同时优化工作流执行时间以及能耗，实现低延迟、低能耗的调度。
研究内容
研究进展
- 设计实验完成边缘云环境下工作流调度算法，取得初步实验结果。
- 根据实验结果对模型进行优化。