2023年12月，我系唐茗副教授获IEEE TMC期刊2022年度最佳论文奖。IEEE TMC是中国计算机学会推荐CCF A类国际学术刊物。IEEE TMC年度最佳论文奖每年评选一次，颁发给本刊最具有影响力的学术论文。

最佳论文奖获奖证书

获奖论文第一作者为唐茗副教授，论文题目为“Deep Reinforcement Learning for Task Offloading in Mobile Edge Computing Systems”，发表于2022年6月。论文针对边缘计算系统中的资源调度问题，采用深度强化学习技术，实现低时延、自适应的计算任务卸载。因该研究成果为边缘计算中的任务调度问题拓展了新的解决思路，故获得此奖。

任务调度问题是边缘计算的核心问题之一。与云服务器不同，边缘设备往往具有相对有限的算力，当众多移动设备同时卸载任务到同一边缘设备时，这些任务的排队时长会显著增大。由于边缘计算系统去中心化的架构，移动设备无法提前获知其他移动设备的卸载任务的需求和行为，也就无法提前预知任务卸载的实际响应时间，这样未知的环境为降低任务的响应时延提供了极大的挑战。与前期的工作不同，本论文提出了基于深度强化学习的任务调度框架，通过引入Dueling架构以及双重深度 Q 网络的方法，设计了面向任务调度的深度强化学习算法。实验结果表明，与传统的基于优化、博弈论的方法相比，该论文所提出的算法可以极大的降低任务超时的概率、降低响应时延，这样的性能的提升在任务时延敏感时更为显著。

唐茗

南方科技大学计算机科学与工程系副教授（研究员）、博士生导师。主要从事边缘计算、联邦学习、网络经济学等方向研究。在计算机网络与通信领域的旗舰会议及期刊发表或接收论文20余篇，包含第一作者中科院SCI一区和中国计算机学会推荐CCF A类刊物 11篇。目前担任IEEE Open Journal of the Communications Society无线网络方向副编辑，担任中国计算机学会计算经济学专业组专业委员会执行委员，多次出任包括IEEE旗舰会议ICC、 WCNC等大会技术程序委员会成员。