本研究聚焦于边缘计算技术在移动端侧设备的神经网络推理应用，旨在解决在有限资源条件下，如何优化能源消耗并保证性能，特别是在异构SoC架构下，通过动态优化不同处理器的使用，实现性能和能源消耗之间的平衡。

本研究聚焦于边缘计算与移动设备中的资源管理与优化，通过提出全链路插桩的性能瓶颈分析框架、基于强化学习的CPU/GPU调频算法以及性能功耗感知的调度算法，旨在解决移动设备在资源有限的环境中实现最佳性能与能效平衡的挑战。

本研究聚焦于边缘设备中强化学习调频算法的泛化性问题，通过结合神经架构搜索、元学习和在线训练等技术，提出一种高适应性的调频解决方案，旨在解决传统算法在多场景、多设备上泛化能力不足的难题。