本网讯 5月29日下午，计算机学院在E202教室举办了“博士沙龙（工作坊）”2025年第9期活动。本期沙龙以“边缘场景下的问题范式与优化算法前沿”为主题，由计算机学院张皓同博士主讲，副院长杨德牛主持。学院全体教师参加了本次活动。
讲座现场
本次沙龙聚焦于边缘计算中的任务调度问题，通过系统化的问题范式分析，为学院教师提供了深入的理论指导与实践启示。
张皓同博士在分享中指出，学术论文的核心在于明确科学问题与研究增量。他以边缘计算中的任务调度为例，详细阐述了任务、资源、约束和优化目标等关键问题范式要素对调度算法设计的影响。张博士强调，在边缘计算环境中，任务调度涉及复杂的资源分配问题：静态任务调度中资源需求已知，而动态调度则面临更多不确定性，例如服务器宕机或任务资源消耗未知等情况。
他进一步说明，批量独立任务的调度通常属于组合优化问题，而依赖任务（如DAG）则常被建模为混合整数线性规划（MILP）问题。多样化的优化目标，如执行效率（如最短完成时间）、成本控制（如云服务费用）以及可靠性等，也为调度算法的设计带来了新的机遇与挑战。特别是在多目标优化中，权衡冲突目标是更具挑战性的方向，张博士建议可通过帕累托前沿（Pareto Front）来寻找最优解。
此外，张博士指出，边缘环境相较于传统云计算环境更需关注任务执行前的准备工作（如实时启动、镜像复用等），这些因素直接影响任务的执行效率。基于具体场景下任务执行过程与要求的特点，可以挖掘出更具特色的研究内容。
在算法层面，张博士系统梳理了如何根据问题特性选择合适的优化求解算法，涵盖了数学方法、启发式算法、元启发式算法（如蚁群算法、遗传算法）以及强化学习等多种方法，为不同问题范式下的任务调度提供了有针对性的设计思路。
最后，张皓同博士表示，尽管当前强化学习在泛化能力方面仍存在一定局限，但其与大语言模型的融合将成为未来具身智能发展的重要方向。同时，边缘计算也将在语言模型的垂直应用中发挥重要作用，结合具体应用场景的边缘任务调度将具有广阔的研究前景。（图/文 计算机学院 肖小芹）
