南京邮电大学学报(自然科学版)

作者：秦芳芳,黄昕,刘尚东,邱华杰,沙宇晨,季一木

单位：1.南京邮电大学 理学院，江苏 南京 210023；2.南京邮电大学 高性能计算与大数据处理研究所，江苏 南京 210023；3.江苏省无线传感网高技术研究重点实验室，江苏 南京 210023；4.国家高性能计算中心南京分中心，江苏 南京 210023；5.江苏省高性能计算与智能处理工程研究中心，江苏 南京 2100232.南京邮电大学 高性能计算与大数据处理研究所，江苏 南京 210023；6.南京邮电大学 计算机学院，江苏 南京 2100232.南京邮电大学 高性能计算与大数据处理研究所，江苏 南京 210023；3.江苏省无线传感网高技术研究重点实验室，江苏 南京 210023；4.国家高性能计算中心南京分中心，江苏 南京 210023；5.江苏省高性能计算与智能处理工程研究中心，江苏 南京 210023；6.南京邮电大学 计算机学院，江苏 南京 2100232.南京邮电大学 高性能计算与大数据处理研究所，江苏 南京 210023；6.南京邮电大学 计算机学院，江苏 南京 2100232.南京邮电大学 高性能计算与大数据处理研究所，江苏 南京 210023；6.南京邮电大学 计算机学院，江苏 南京 2100232.南京邮电大学 高性能计算与大数据处理研究所，江苏 南京 210023；3.江苏省无线传感网高技术研究重点实验室，江苏 南京 210023；4.国家高性能计算中心南京分中心，江苏 南京 210023；5.江苏省高性能计算与智能处理工程研究中心，江苏 南京 210023；6.南京邮电大学 计算机学院，江苏 南京 210023

关键词：边缘计算;资源调度;人工蜂群算法;Q‑Learning

基金：国家重点研发计划（2023YFB2904000，2023YFB2904004）、江苏省重点发展计划（BE2023004-2）、电信产学研项目（JSSGS2500832EGN00）和南京邮电大学校级自然科学基金（NY224169）资助项目

随着移动设备的数量及服务需求激增，边缘环境中有限的服务器资源使得部分用户的服务质量（Quality of Service， QoS）不能得到保障，且现有资源调度算法未充分考虑用户服务需求差异化。因此，提出了一种面向QoS的负载均衡资源调度算法（QoS?Aware Load Balancing Resource Scheduling algorithm， QALBRS）。首先，通过在协同过滤算法中引入多层感知器学习用户任务和服务器资源的高维非线性特征，并在输出层嵌入位置相似性特征，实现对任务所需资源的个性化分配。接着，为了在资源分配过程中平衡服务器负载并保证服务质量，采用改进的人工蜂群算法求解资源调度系统模型，将Q?Learning算法应用于食物源选择和搜索阶段，以提高算法搜索质量。实验证明，所提算法在保证服务质量和平衡服务器负载方面表现出较好的性能。

来源：2026年第01期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2026年第01期