隨著智能醫(yī)療、智能交通、工業(yè)自動化等現(xiàn)代應(yīng)用的爆炸式增長，對能夠高效處理大規(guī)模、延遲關(guān)鍵且依賴密集型任務(wù)的分布式計算平臺需求急劇增加。云-霧計算作為互補的混合架構(gòu)，為解決中心化云平臺響應(yīng)延遲高、邊緣設(shè)備計算能力有限的問題提供了可能。然而，在這種異構(gòu)、動態(tài)的環(huán)境中，尤其是在任務(wù)以復雜的有向無環(huán)圖（Directed Acyclic Graph, DAG）形式組織的工作流場景下，如何進行高效的任務(wù)調(diào)度成為一個突出挑戰(zhàn)。傳統(tǒng)的調(diào)度算法如FCFS（先來先服務(wù)）、RR（輪詢）或EFT（最早完成時間）往往過于簡化，難以捕捉系統(tǒng)的動態(tài)性，且通常忽略了節(jié)點可靠性、能耗模式或全局任務(wù)圖拓撲等重要方面，在面對拓撲和資源多變的復雜工作流時表現(xiàn)乏力。因此，迫切需要一種能夠從環(huán)境中學習最優(yōu)策略、并能同時優(yōu)化完工時間（makespan）、能耗、任務(wù)可靠性和節(jié)點可信度等多個目標的智能自適應(yīng)調(diào)度方法。

為了解決上述問題，由Sambeet Patro、Sangram Keshari Swain和S. Sudheer Mangalampalli組成的研究團隊開展了一項創(chuàng)新性研究，提出了一種名為SC-PPO（Spectral clustering-guided Proximal Policy Optimization）的混合任務(wù)調(diào)度框架。該框架巧妙地將無監(jiān)督學習中的譜聚類技術(shù)與深度強化學習中的近端策略優(yōu)化算法相結(jié)合，旨在對霧-云計算環(huán)境中的DAG工作流進行高效、多目標優(yōu)化的調(diào)度。研究的主要結(jié)論是，通過譜聚類對任務(wù)進行結(jié)構(gòu)性分組，可以簡化調(diào)度問題的復雜性并為強化學習決策提供更高層次的抽象；而基于PPO的調(diào)度器則能夠?qū)W習一個平衡了多個關(guān)鍵性能指標的多目標獎勵函數(shù)，從而做出明智的調(diào)度決策。實驗結(jié)果表明，SC-PPO在完工時間、能耗、可靠性及可擴展性方面均顯著優(yōu)于現(xiàn)有代表性方法。這項研究為解決分布式工作流調(diào)度中的多目標沖突問題提供了新的思路和有效工具，其成果發(fā)表在《Egyptian Informatics Journal》上。

為開展研究，作者主要運用了以下關(guān)鍵技術(shù)方法：首先，對DAG工作流進行數(shù)學建模，將其形式化為圖G=(T, E)，并構(gòu)建對稱的鄰接矩陣A_s，為后續(xù)譜聚類提供輸入。其次，采用譜聚類技術(shù)，基于圖拉普拉斯矩陣L_sym的特征向量對任務(wù)進行無監(jiān)督聚類，將結(jié)構(gòu)相似的任務(wù)分組，從而簡化調(diào)度空間。第三，設(shè)計并實現(xiàn)了一個基于近端策略優(yōu)化（PPO）的深度強化學習智能體作為調(diào)度器。該智能體的狀態(tài)空間考慮了任務(wù)特征、虛擬機（VM）狀態(tài)和資源可用性等信息，其核心是一個精心設(shè)計的多目標獎勵函數(shù)，同時優(yōu)化完工時間、能耗、任務(wù)可靠性和基于信任的VM選擇。最后，研究在模擬的多樣化霧-云仿真環(huán)境中進行，使用了Google Cloud Jobs（GoCJ）數(shù)據(jù)集中的任務(wù)持續(xù)時間數(shù)據(jù)，并設(shè)置了具有不同處理速度、成本、信任值和故障概率的虛擬機池來模擬真實約束。

研究首先構(gòu)建了面向物聯(lián)網(wǎng)應(yīng)用的云-霧堆棧任務(wù)調(diào)度系統(tǒng)架構(gòu)。該架構(gòu)將工作流任務(wù)組織為DAG，其中節(jié)點代表計算任務(wù)，邊代表任務(wù)間依賴關(guān)系，確保了任務(wù)執(zhí)行的邏輯一致性。通過數(shù)學形式化定義了任務(wù)集T、邊集E、任務(wù)持續(xù)時間向量D以及鄰接矩陣A，為后續(xù)的聚類和調(diào)度提供了精確的數(shù)學模型基礎(chǔ)。

為了降低調(diào)度復雜性并提取DAG的結(jié)構(gòu)模式，研究采用譜聚類技術(shù)將任務(wù)集劃分為預定數(shù)量的相干組。該方法首先將DAG的有向鄰接矩陣A轉(zhuǎn)換為對稱的相似矩陣A_s，然后計算歸一化的圖拉普拉斯矩陣L_sym，并提取其前k個最小特征值對應(yīng)的特征向量構(gòu)成嵌入矩陣U。最后，對U的行（即任務(wù)在低維空間的嵌入）執(zhí)行k-means聚類，得到k個任務(wù)簇C={C₁, C₂, ..., C_k}。這一過程能發(fā)現(xiàn)任務(wù)間隱藏的結(jié)構(gòu)模式，使后續(xù)的強化學習智能體能夠在邏輯任務(wù)簇而非單個任務(wù)上操作，從而降低了決策空間的復雜度并提高了并行性。

研究模擬了一個多樣化的虛擬機環(huán)境以反映實際的邊緣-云-霧場景。每個虛擬機v_i具有處理速度s_i、成本c_i、信任值τ_i∈[0,1]和故障概率f_i∈[0,1]等屬性。任務(wù)t_j在虛擬機v_i上的執(zhí)行時間T_ij= d_j/s_i，能耗E_ij= α·s_i·T_ij，任務(wù)失敗與否由伯努利試驗模擬。這種建模方式使調(diào)度器能夠在速度、成本、能耗、可靠性和信任度之間進行權(quán)衡。

聚類后的任務(wù)被傳遞給一個PPO智能體進行調(diào)度。該智能體的狀態(tài)包含當前待調(diào)度任務(wù)簇的特征、可用虛擬機的狀態(tài)（如負載、信任值）等信息。其核心創(chuàng)新在于設(shè)計了一個多目標獎勵函數(shù)，該函數(shù)同時考慮了完工時間（負獎勵）、能耗（負獎勵）、任務(wù)失敗（負獎勵）以及在可信節(jié)點上成功執(zhí)行（正獎勵）。通過這種獎勵機制，PPO智能體能夠?qū)W習到一個平衡了多種性能目標的調(diào)度策略。

研究在Google Cloud Jobs數(shù)據(jù)集上進行了廣泛的仿真實驗，將SC-PPO與三種代表性基線方法進行了對比：可靠性改進的鯨魚優(yōu)化算法（RIWOA）、深度Q網(wǎng)絡(luò)（DQN）和優(yōu)勢演員-評論家（A2C）算法。評估指標包括完工時間、總能耗、任務(wù)失敗數(shù)量、所用虛擬機的平均信任值以及系統(tǒng)隨工作負載增加的可擴展性。實驗結(jié)果表明，所提出的SC-PPO方法在所有關(guān)鍵性能指標上均優(yōu)于基線方法，在完工時間上實現(xiàn)了超過20%的改善，同時具有更低的能耗、更高的可靠性得分和更好的大規(guī)模工作負載處理可擴展性。

本研究的核心結(jié)論是，提出的SC-PPO框架通過深度融合譜聚類和近端策略優(yōu)化，為霧-云計算環(huán)境中依賴關(guān)系豐富的DAG工作流調(diào)度提供了一個高效、穩(wěn)健且可擴展的解決方案。譜聚類作為一種結(jié)構(gòu)感知的預處理步驟，有效降低了任務(wù)空間的復雜性并揭示了執(zhí)行中的隱藏模式；而PPO則通過從累積反饋中學習，不斷優(yōu)化其策略以協(xié)同優(yōu)化多個目標。這種集成不僅帶來了更優(yōu)的性能，也提高了處理各種類型工作流和執(zhí)行環(huán)境的靈活性。

該研究的重要意義體現(xiàn)在多個方面：在理論上，它提出了一種新的混合智能調(diào)度范式，將無監(jiān)督學習與深度強化學習緊密結(jié)合，為解決多目標優(yōu)化問題提供了新思路。在方法上，設(shè)計的基于結(jié)構(gòu)聚類的任務(wù)抽象方法和多目標獎勵函數(shù)具有創(chuàng)新性和普適性，可擴展至其他類似的資源調(diào)度問題。在實踐上，SC-PPO框架展現(xiàn)出的優(yōu)異性能使其能夠滿足智能醫(yī)療、智能交通等現(xiàn)代應(yīng)用對低延遲、高可靠性和高能效的嚴苛要求，對于推動霧-云計算在實時數(shù)據(jù)處理和關(guān)鍵任務(wù)中的應(yīng)用具有重要價值。此外，研究對現(xiàn)有相關(guān)工作的全面綜述和對比分析，也為該領(lǐng)域的后續(xù)研究提供了清晰的參考基準和方向指引。盡管當前研究針對靜態(tài)DAG，但作者指出，將SC-PPO擴展到處理動態(tài)任務(wù)到達的場景是未來的重要方向，這將進一步增強其在真實動態(tài)環(huán)境中的適應(yīng)能力。