تخلیه بار محاسباتی تحرک آگاه مبتنی بر پیش بینی در رایانش لبه با دسترسی چندگانه

امروزه با پیاده سازی نسل جدید شبکه های ارتباطی، شاهد تحولی عظیم در توسعه اینترنت اشیاء و ظهور برنامه های جدید در این بستر می باشیم. محدودیت در توان محاسباتی و انرژی دستگاه های متصل به این بستر موجب ایجاد چالش و عدم پشتیبانی این دستگاه ها برای اجرای برنامه ها با بار محاسباتی بالا و نیازمند تاخیر کم می شود. روش های تخلیه بار محاسباتی در رایانش لبه با دسترسی چندگانه، با فراهم آوردن منابع محاسباتی و ذخیره سازی در نزدیکی کاربر راهکاری کارآمد برای مقابله با چالش های ذکرشده است. با این وجود، به علت تحرک کاربر و تغییر در مشخصات برنامه های تخلیه شده در طول زمان، مسئله تخصیص خدمت گزاران لبه به کاربران با هدف کاهش تاخیر با چالش هایی مواجه است. رویکردهای فعلی تخلیه بار تحرک آگاه در این حوزه از مدل های تحرک تصادفی و غیرواقع گرایانه ای استفاده می کنند و همچنین اجرای تخلیه بار در آن ها به صورت درشت دانه صورت می گیرد. در این مقاله تخلیه بار به منظور بهره مندی از مزایای آن ریزدانه می باشد. بر این اساس برنامه کاربران به تعدادی مولفه تقسیم و اخذ تصمیم تخلیه با توجه به تحرک و مشخصات مولفه های کاربران در طول شکاف های زمانی تعریف شده در سیستم، انجام می گیرد. این تصمیم علاوه بر بهینه بودن در مورد هر مولفه به کاهش سربار ناشی از مهاجرت یک مولفه به نسبت کل برنامه نیز منجر می شود. همچنین، به منظور اخذ تصمیم بهینه در راستای نیل به هدف مسئله یعنی کمینه کردن برآیند زمان تخلیه بار، از پیش بینی مشخصات کاربران و موقعیت مکانی آن ها استفاده می کنیم. با توجه به نتایج به دست آمده از ارزیابی، مشاهده می شود که روش پیشنهادی به نسبت روش های مورد مقایسه دارای بهبود در تابع هدف مسئله و پیچیدگی محاسباتی اخذ تصمیم است.

کلیدواژه ها:

Computation Offloading ، Mobility-aware ، Multi-access Edge Computing ، Internet of Things