AI & MACHINE LEARNING

ระบบจัดสรรทรัพยากร Edge Computing ด้วย Multi-Agent และ LLM

arXiv14 Aug 2026
1 min read
Key Takeaways
  • การนำ LLM มาประยุกต์ใช้ในการเจรจาต่อรองระหว่าง Agent ช่วยให้การจัดสรรทรัพยากรในระบบ Edge มีประสิทธิภาพและยืดหยุ่นกว่าการใช้กฎเกณฑ์แบบเดิม

ทำไมเรื่องนี้ถึงสำคัญ

การจัดการทรัพยากรในระบบ Edge Computing มักเผชิญกับความท้าทายจากข้อมูลที่ซับซ้อนและไม่แน่นอน การนำ LLM มาช่วยในกระบวนการตัดสินใจเชิงเทคนิคช่วยให้ระบบสามารถปรับตัวได้ดีขึ้น ซึ่งอาจเป็นแนวทางใหม่ในการเพิ่มประสิทธิภาพโครงสร้างพื้นฐานคลาวด์และเครือข่ายสื่อสาร

งานวิจัยนี้นำเสนอ MAS-DecStream ซึ่งเป็นระบบจัดการลำดับงาน (Scheduling) แบบกระจายศูนย์สำหรับระบบประมวลผลข้อมูลสตรีมที่ทำงานบนโครงสร้างพื้นฐาน Mobile Edge-Cloud ที่มีความซับซ้อนและมีการเปลี่ยนแปลงของเวิร์กโหลดสูง จุดเด่นสำคัญคือโปรโตคอล LLM-MR-CNP ซึ่งเป็นการขยายขีดความสามารถของ Contract Net Protocol (CNP) แบบเดิม โดยนำ Large Language Models (LLM) มาช่วยในการวิเคราะห์บริบทเชิงคุณภาพและการเจรจาต่อรองแบบหลายรอบ (Multi-round negotiation)

ผลการทดสอบด้วยข้อมูลจาก Alibaba ASI Trace พบว่าระบบนี้ช่วยลดการละเมิดเงื่อนไขด้านความหน่วง (Latency Violations) ลงเหลือเพียง 3% และกำจัดปัญหาการจองทรัพยากรเกินขนาด (Resource Overcommitment) ได้อย่างมีประสิทธิภาพ นอกจากนี้ยังเพิ่มประสิทธิภาพการใช้งานโดยรวมได้สูงสุดถึง 22% เมื่อเทียบกับวิธีการแบบเดิมที่ใช้กฎเกณฑ์ตายตัว (Rule-based) โดยผลลัพธ์ชี้ให้เห็นว่าการใช้ LLM มีประโยชน์อย่างมากในสถานการณ์ที่มีความไม่แน่นอนสูง

สรุปประเด็นหลัก

เสนอโปรโตคอล LLM-MR-CNP ที่ใช้ LLM ช่วยวิเคราะห์บริบทในการจัดสรรทรัพยากร

ลด Latency violations ลงเหลือ 3% ในสภาพแวดล้อมจำลอง

เพิ่มประสิทธิภาพการใช้งานระบบได้สูงสุด 22% เมื่อเทียบกับระบบ rule-based

นวัตกรรมและเทคโนโลยี

infrastructure

LLM-MR-CNP Protocol

โปรโตคอลการเจรจาต่อรองทรัพยากรที่ใช้ LLM ช่วยวิเคราะห์บริบทเชิงคุณภาพและการแก้ไขข้อเสนอแบบหลายรอบ

Developer Impact
วิศวกรระบบและนักพัฒนาคลาวด์สามารถนำแนวคิดการใช้ LLM มาช่วยในระบบตัดสินใจที่มีความซับซ้อน (Autonomous Scheduling) เพื่อจัดการกับโครงสร้างพื้นฐานที่มีความผันผวนสูงได้แม่นยำขึ้น
Keywords
#edge computing #llm #multi-agent systems #resource scheduling #stream processing
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

arXiv