近日，我校计算机科学与技术学院23级学术学位硕士研究生廖玲玲同学以第一作者身份在中科院一区TOP期刊《IEEE Internet of Things Journal》发表题为“Graph-Convolutional-Network-Enabled Task Offloading for Industrial Image Recognition in Digital Twin Edge Networks”的研究论文。该成果以东莞理工学院为第一完成单位，陶铭教授为论文通讯作者。

在工业物联网领域，6G技术的迅猛发展使得任务卸载成为提升计算效率的核心难题。工业设备上的图像识别等任务通常由多个具有复杂依赖关系的子任务构成，且对延迟和能耗极为敏感。在任务复杂性不断增加的情况下，如何在工业设备的计算能力、能源以及移动性等多重约束条件下，为动态多时隙工业场景开发出有效的卸载策略成为一大挑战。鉴于此，文中借助数字孪生的虚实协同优势，提出了一种基于数字孪生边缘网络的任务卸载方案，以实现任务处理延迟和能耗的联合优化。考虑到任务的有向无环图架构，研究团队采用图卷积网络技术精准提取子任务间的依赖关系，从而生成最优的执行优先级，为卸载决策提供高质量的输入信息。在此基础上，通过将优化问题转化为马尔可夫决策过程，并融合ϵ-greedy策略和自注意力机制，设计出改进的多智能体深度确定性策略梯度算法，从而在动态环境中实现高效决策。在KolektorSDD数据集上的实验结果有力表明，该方案相较于对比方法展现出更优越的性能，充分验证了所提方案的有效性。

IEEE Internet of Things Journal是物联网领域国际顶尖期刊之一，属于中科院JCR一区Top期刊，2024 年影响因子为8.2。该期刊涵盖了物联网的各个子领域，包括物联网系统架构、通信和网络协议、安全与隐私、边缘计算与云计算等。

文章链接

https://ieeexplore.ieee.org/document/10892268

撰稿 | 陶铭

一审 | 陶铭

二审 | 尹建明

三审 | 廖文波