面向多边缘制造场景的动态协作粒子群优化任务卸载方法

唐敦兵; 董浩然; 李东东; 张泽群; 袁星高

doi:10.16356/j.2097-6771.2026.02.016

Chinese

您当前的位置：

首页 >

文章列表页 >

面向多边缘制造场景的动态协作粒子群优化任务卸载方法

更新时间：2026-04-30

- 面向多边缘制造场景的动态协作粒子群优化任务卸载方法
- Dynamic Collaborative Particle Swarm Optimization Task Offloading Method for Multi‑edge Manufacturing Scenarios
- 南京航空航天大学学报 2026年58卷第2期页码：400-411
- 作者机构：
  
  南京航空航天大学机电学院，南京 210016
- 作者简介：
  
  李东东，男，博士研究生，E-mail：lddya1996@nuaa.edu.cn。
- 基金信息：
  
  国家自然科学基金青年基金(52305539);国家自然科学基金重大培育项目(92267109)
- DOI：10.16356/j.2097-6771.2026.02.016
  中图分类号： TP393.0
- 收稿：2025-07-22，
  
  修回：2025-09-29，
  
  纸质出版：2026-04-28
- 稿件说明：
移动端阅览
唐敦兵，董浩然，李东东，等. 面向多边缘制造场景的动态协作粒子群优化任务卸载方法［J］. 南京航空航天大学学报（自然科学版），2026，58（2）：400⁃411.

TANG Dunbing， DONG Haoran， LI Dongdong， et al. Dynamic collaborative particle swarm optimization task offloading method for multi-edge manufacturing scenarios［J］. Journal of Nanjing University of Aeronautics & Astronautics（Natural Science Edition），2026， 58（2）：400⁃411.
唐敦兵，董浩然，李东东，等. 面向多边缘制造场景的动态协作粒子群优化任务卸载方法［J］. 南京航空航天大学学报（自然科学版），2026，58（2）：400⁃411. DOI： 10.16356/j.2097-6771.2026.02.016.

TANG Dunbing， DONG Haoran， LI Dongdong， et al. Dynamic collaborative particle swarm optimization task offloading method for multi-edge manufacturing scenarios［J］. Journal of Nanjing University of Aeronautics & Astronautics（Natural Science Edition），2026， 58（2）：400⁃411. DOI： 10.16356/j.2097-6771.2026.02.016.

摘要

针对制造车间多边缘任务卸载过程中存在的资源分配不均、计算效率低下等问题，提出了一种基于动态协作粒子群优化（Dynamic collaborative particle swarm optimization， DCPSO）的多边缘任务卸载优化方法。首先，为提高初始解的质量以提升整体优化效率，设计了一种结合随机采样与适应度引导的贪心机制的混合初始化策略，实现解的多样性与质量的平衡。然后，为了增强算法在复杂空间中的探索能力，构建了一种动态子群协作更新机制，通过动态子群划分与自适应粒子更新，显著提升了收敛速度与子代解的质量。最后，进一步引入变异机制增强算法的局部搜索能力，提升算法跳出局部最优的能力。实验结果表明，与5种基线算法相比，DCPSO算法在收敛性、稳定性和敏感性方面均表现出显著优势。

Abstract

This paper addresses the issues of uneven resource allocation and low computational efficiency in the multi-edge task offloading process within manufacturing workshops. A multi-edge task offloading optimization method based on dynamic collaborative particle swarm optimization （DCPSO） is proposed. First， to enhance the quality of initial solutions and thereby improve overall optimization efficiency， a hybrid initialization strategy integrating random sampling and fitness-guided greedy mechanisms is designed to achieve a balance between solution diversity and quality. Second， to strengthen the algorithm’s exploration capability in complex spaces， a dynamic subgroup collaboration update mechanism is developed， employing dynamic subgroup partitioning and adaptive particle updates to significantly enhance convergence speed and the quality of offspring solutions. Finally， a mutation mechanism is introduced to augment the algorithm’s local search capability and improve its ability to escape local optima. Experimental results demonstrate that， compared to the five baseline algorithms， the DCPSO algorithm exhibits significant advantages in terms of convergence， robustness， and sensitivity.

关键词

Keywords

references

LIN Zhiwen ， LIU Zhifeng ， ZHANG Yueze ， et al . Edge-fog-cloud hybrid collaborative computing solution with an improved parallel evolutionary strategy for enhancing tasks offloading efficiency in intelligent manufacturing workshops ［J］. Journal of Intelligent Manufacturing ， 2025 ， 36 （ 7 ）： 4635 - 4662 .

郭永安，王宇翱，周沂，等 . 边缘网络下多无人机协同计算和资源分配联合优化策略［J］. 南京航空航天大学学报， 2023 ， 55 （ 5 ）： 757 - 767 .

GUO Yongan ， WANG Yuao ， ZHOU Yi ， et al . Multi-UAV collaborative computing and resource allocation joint optimization strategy in edge networks ［J］. Journal of Nanjing University of Aeronautics & Astronautics ， 2023 ， 55 （ 5 ）： 757 - 767 .

HE Yi ， ZHANG Yanzhong ， WU Che ， et al . Architecture design and application of IIoT platform in automobile manufacturing based on microservices and deep learning techniques ［J］. IEEE Access ， 2024 ， 12 ： 166834 - 166842 .

LIN Chuncheng ， DENG Derjiunn ， HSIEH Litsung ， et al . Optimal deployment of private 5G multi-access edge computing systems at smart factories： Using hybrid crow search algorithm ［J］. Journal of Network and Computer Applications ， 2024 ， 227 ： 103906 .

ASAAD R R ， HANI A A ， SALLOW A B ， et al . A development of edge computing method in integration with IOT system for optimizing and to produce energy efficiency system ［C］// Proceedings of the 4th International Conference on Advance Computing and Innovative Technologies in Engineering （ICACITE） . Greater Noida， India ： IEEE ， 2024 ： 835 - 840 .

ALMULIFI A ， KURDI H . The role of fog device density in IoT-fog-cloud systems ［J］. Procedia Computer Science ， 2024 ， 241 ： 242 - 247 .

张明，付乐，王海峰 . 面向边缘计算的并发数据流接转控制模型［J］. 计算机应用， 2024 ， 44 （ 12 ）： 3876 - 3883 .

ZHANG Ming ， FU Le ， WANG Haifeng . Relay control model for concurrent data flow in edge computing ［J］. Journal of Computer Applications ， 2024 ， 44 （ 12 ）： 3876 - 3883 .

GE Haibo ， GENG JiaJun ， AN Yu ， et al . Research on collaborative computational offload strategy based on improved ant colony algorithm in edge computing ［C］// Proceedings of the 5th International Conference on Natural Language Processing （ICNLP） . Guangzhou， China ： IEEE ， 2023 ： 486 - 490 .

尼俊红，臧云 . 异构边缘云架构下的多任务卸载算法［J］. 哈尔滨工程大学学报， 2024 ， 45 （ 4 ）： 800 - 807 .

NI Junhong ， ZANG Yun . Multitask offloading algorithm under heterogeneous edge cloud architecture ［J］. Journal of Harbin Engineering University ， 2024 ， 45 （ 4 ）： 800 - 807 .

YOU Qian ， TANG Bing . Efficient task offloading using particle swarm optimization algorithm in edge computing for industrial internet of things ［J］. Journal of Cloud Computing ， 2021 ， 10 （ 1 ）： 41 .

PENG Qixin ， CHEN Xinde ， HUANG Yujing ， et al . Particle swarm optimization-based task migration in mobile-edge cloud computing ［C］// Proceedings of 2023 IEEE International Conferences on Internet of Things （iThings） and IEEE Green Computing & Communications （GreenCom） and IEEE Cyber ， Physical & Social Computing （CPSCom） and IEEE Smart Data （SmartData） and IEEE Congress on Cybermatics （Cybermatics）. Danzhou ， China ： IEEE ， 2023 ： 616 - 623 .

李金，樊腾飞，高红亮，等 . 边缘计算网络中多核任务卸载调度和资源适配研究［J］. 兵工自动化， 2025 ， 44 （ 3 ）： 29 - 34 .

LI Jin ， FAN Tengfei ， GAO Hongliang ， et al . Research on multi-core task offload scheduling and resource adaptation in edge computing networks ［J］. Ordnance Industry Automation ， 2025 ， 44 （ 3 ）： 29 - 34 .

LI Longmei ， NIU Jun ， YANG Xiaotong . Resource optimization allocation method of power grid digital transformation based on cloud edge collaboration ［C］// Proceedings of the 4th International Conference on Smart Grid and Energy Engineering （SGEE） . Zhengzhou， China ： IEEE ， 2023 ： 62 - 65 .

BEY M ， KUILA P ， NAIK B B ， et al . Quantum-inspired particle swarm optimization for efficient IoT service placement in edge computing systems ［J］. Expert Systems with Applications ， 2024 ， 236 ： 121270 .

VAN ZYL J P ， ENGELBRECHT A P . Set-based particle swarm optimisation： A review ［J］. Mathema- tics ， 2023 ， 11 （ 13 ）： 2980 .

FREITAS D ， LOPES L G ， MORGADO-DIAS F . Particle swarm optimisation： A historical review up to the current developments ［J］. Entropy ， 2020 ， 22 （ 3 ）： 362 .

LIU Xuanyan ， YAN Rui ， KIM J Y ， et al . MPSO： An optimization algorithm for task offloading in cloud-edge aggregated computing scenarios for autonomous driving ［J］. Mobile Networks and Applications ， 2024 ， 30 ： 702 - 716 .

ZHANG Degan ， SUN Guixiang ， ZHANG Jie ， et al . Offloading approach for mobile edge computing based on chaotic quantum particle swarm optimization strategy ［J］. Journal of Ambient Intelligence and Humanized Computing ， 2023 ， 14 （ 10 ）： 14333 - 14347 .

申秀雨，姬伟峰 . 考虑安全的边-云协同计算卸载成本优化［J］. 信息网络安全， 2024 ， 24 （ 7 ）： 1110 - 1121 .

SHEN Xiuyu ， JI Weifeng . Optimization of cost of edge-cloud collaborative computing offloading considering security ［J］. Netinfo Security ， 2024 ， 24 （ 7 ）： 1110 - 1121 .

VELRAJAN S ， CERONMANI SHARMILA V . QoS-aware service migration in multi-access edge compute using closed-loop adaptive particle swarm optimization algorithm ［J］. Journal of Network and Systems Management ， 2023 ， 31 （ 1 ）： 17 .

吴波，龙廷艳，万良，等 . MEC中基于改进粒子群算法的任务卸载策略［J］. 计算机工程， 2026 ， 52 （ 4 ）： 327 - 338 .

WU Bo ， LONG Tingyan ， WAN Liang ， et al . Task offloading strategies based on improved particle swarm algorithms in MEC ［J］. Computer Engineering ， 2026 ， 52 （ 4 ）： 327 - 338 .

ZHENG Tao ， YANG Bin . Multi-server cooperative offloading strategy for dependent tasks based on improved genetic algorithm ［C］// Proceedings of Advanced Intelligent Computing Technology and Applications . Singapore ： Springer ， 2024 ： 3 - 14 .

BOCCELLA A R ， CENTOBELLI P ， CERCHIONE R ， et al . Evaluating centralized and heterarchical control of smart manufacturing systems in the era of industry 4.0 ［J］. Applied Sciences ， 2020 ， 10 （ 3 ）： 755 .

HÄCKEL B ， HÄNSCH F ， HERTEL M ， et al . Assessing IT availability risks in smart factory networks ［J］. Business Research ， 2019 ， 12 （ 2 ）： 523 - 558 .

FÉ J ， CORREIA S D ， TOMIC S ， et al . Swarm optimization for energy-based acoustic source localization： A comprehensive study ［J］. Sensors ， 2022 ， 22 （ 5 ）： 1894 .

王泽，郭荣佐 . 基于GA-BPSO算法的MEC卸载决策［J］. 计算机工程与设计， 2023 ， 44 （ 7 ）： 2054 - 2061 .

WANG Ze ， GUO Rongzuo . MEC offloading decision based on GA-BPSO algorithm ［J］. Computer Engineering and Design ， 2023 ， 44 （ 7 ）： 2054 - 2061 .

周天清，曾新亮，胡海琴 . 基于混合粒子群算法的计算卸载成本优化［J］. 电子与信息学报， 2022 ， 44 （ 9 ）： 3065 - 3074 .

ZHOU Tianqing ， ZENG Xinliang ， HU Haiqin . Computation offloading cost optimization based on hybrid particle swarm optimization algorithm ［J］. Journal of Electronics & Information Technology ， 2022 ， 44 （ 9 ）： 3065 - 3074 .

蒋鹏，富爽，丁晨阳 . 多设备多任务场景下基于改进粒子群优化的计算卸载策略［J］. 黑龙江八一农垦大学学报， 2024 ， 36 （ 1 ）： 98 - 107 .

JIANG Peng ， FU Shuang ， DING Chenyang . Computation offloading strategy based on improved particle swarm optimization in multi-user and multi-task scenarios ［J］. Journal of Heilongjiang Bayi Agricultural University ， 2024 ， 36 （ 1 ）： 98 - 107 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

边缘网络下多无人机协同计算和资源分配联合优化策略

基于改进ARS方法的复飞程序多目标优化

基于改进人工蜂群算法的无人飞行器路径协同规划

基于灰狼优化算法的模块化机器人拓扑优化方法

一种限界优化方法求解航班着陆调度问题