近日，我校计算机技术与工程学院和人工智能技术研究院赵佳教授团队在人工智能深度强化学习领域取得重要突破，相关工作以“Modular Deep Reinforcement Learning for Multi-Workload Offloading in Edge Networks”为题，被国际顶级人工智能会议IJCAI录用接收。该成果的第一作者为柯洪昌副教授，第二作者为丁言副教授，第三作者为潘林助理研究员，第四作者为陈洋实验师，通讯作者为赵佳教授。

该论文提出了一种创新的深度强化学习算法DRL-MWF，用于解决边缘计算网络中的复杂任务分配问题。面对动态环境的挑战，DRL-MWF通过模块化加权融合架构，有效适应了多样化的计算需求。研究团队创新性地引入了强化学习的状态表征、策略函数加权修正和基于重要性采样的优先经验回放机制，显著提升了算法性能。实验结果表明，DRL-MWF在各项指标上均优于现有方法，展现了其在未来边缘计算系统中的巨大应用潜力。这项研究不仅推动了人工智能在复杂网络环境中的应用，也为提高边缘计算效率提供了新的思路。

问题情境展示

所提出方法的主要结构

国际人工智能联合大会(International Joint Conference on Artificial Intelligence, 简称为IJCAI)是世界人工智能领域最具影响力和权威性的盛会，自1969年以来已成功举办了33届，对人工智能概念的传播、发展和深化做出了不可替代的贡献，是人工智能领域的标杆。它被中国计算机学会（CCF）推荐国际学术会议列表认定为A类会议（A类指国际上极少数的顶级刊物和会议，鼓励我国学者去突破），在人工智能领域具有极大的影响，代表该领域最高水平和发展方向。这是我校首次在IJCAI（Main Track）上发表论文，标志着我校在人工智能领域研究取得突破性进展，得到了国际同行的认可。

（初审 孙紫桐 复审 赵静 终审 张志杰）