• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권6호
• /
• pp.392-396
• /
• 2017

모바일 기기 관련 기술의 급속한 발달에도 자원 제약적인 특성으로 인한 많은 문제들이 아직까지 해결되지 못하고 있다. 이러한 물리적인 한계성을 극복하기 위해 인터넷으로 연결된 클라우드 서버의 자원을 활용하는 컴퓨테이션 오프로딩이 고안되었고 에너지 절약 측면에서 다양한 연구들이 진행되었다. 그러나 실시간성을 만족시켜야 하는 응용에서는 에너지 보다 마감시간 내에 작업의 수행을 완료하는 것이 더 중요하다. 본 논문에서는 이러한 실시간 응용을 지원하기 위해서 클라우드의 스케줄링 지연 시간을 고려한 오프로딩 결정 기법을 제안했다. 제안 기법에서는 오프로딩의 예상 여유시간과 모바일 기기 내에서 수행했을 때의 여유 시간을 비교하여 마감시간을 더 효과적으로 만족할 수 있는 방법을 선정함으로써 실시간 작업에 대한 신뢰성을 향상 시킬 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.45-47
• /
• 2022

Mobile edge computing (MEC), which enables mobile terminals to offload computational tasks to a server located at the user's edge, is considered an effective way to reduce the heavy computational burden and achieve efficient computational offloading. In this paper, we study a multi-user MEC system in which multiple user devices (UEs) can offload computation to the MEC server via a wireless channel. To solve the resource allocation and task offloading problem, we take the total cost of latency and energy consumption of all UEs as our optimization objective. To minimize the total cost of the considered MEC system, we propose an DRL-based method to solve the resource allocation problem in wireless MEC. Specifically, we propose a Asynchronous Advantage Actor-Critic (A3C)-based scheme. Asynchronous Advantage Actor-Critic (A3C) is applied to this framework and compared with DQN, and Double Q-Learning simulation results show that this scheme significantly reduces the total cost compared to other resource allocation schemes

• 인터넷정보학회논문지
• /
• 제18권1호
• /
• pp.1-9
• /
• 2017

클라우드 컴퓨팅에서 바이오 영감 컴퓨팅 기술과 같은 연구들을 통해, 오프로딩 기법에서 새로운 차원의 솔루션이 개발되고 있다. 모바일 장비 사용의 증가 추세에 따라, 바이오 영감 기술은 모바일 클라우드 컴퓨팅의 발전에 기여하고 있다. 모바일 클라우드 컴퓨팅에서의 에너지효율적인 기법은 총 에너지 소비를 줄이기 위해 필요하지만, 지금까지의 연구는 태스크 분산을 위한 의사결정과정에서 에너지 소비에 관해 고려하지 않고 있다. 본 논문에서는 클라우드렛에서 데이터센터로의 오프로딩 전략으로 Particle Swarm Optimization (PSO) 방법을 제안하며, 이 과정에서 각 태스크는 입자(particle)로 표현된다. 입자의 수를 줄이기 위해 PSO를 적용하기 전에 K-means 클러스터링을 사용하여 수집한 태스크를 클라우드렛 상에서 분류하며, PSO 처리과정 중에는 모든 태스크를 대상으로 하지 않고 분류된 태스크에 따라 최적의 데이터 센터를 찾는다. 시뮬레이션 결과, 제안한 PSO기법이 처리 시간 관점에서는 전통적인 방법에 비해 조금 늦지만, 에너지 관점의 데이터 센터 선택에서는 우수함을 나타내었다.

• Journal of Information Processing Systems
• /
• 제17권3호
• /
• pp.489-504
• /
• 2021

By distributing computing tasks among devices at the edge of networks, edge computing uses virtualization, distributed computing and parallel computing technologies to enable users dynamically obtain computing power, storage space and other services as needed. Applying edge computing architectures to Internet of Vehicles can effectively alleviate the contradiction among the large amount of computing, low delayed vehicle applications, and the limited and uneven resource distribution of vehicles. In this paper, a predictive offloading strategy based on the MEC load state is proposed, which not only considers reducing the delay of calculation results by the RSU multi-hop backhaul, but also reduces the queuing time of tasks at MEC servers. Firstly, the delay factor and the energy consumption factor are introduced according to the characteristics of tasks, and the cost of local execution and offloading to MEC servers for execution are defined. Then, from the perspective of vehicles, the delay preference factor and the energy consumption preference factor are introduced to define the cost of executing a computing task for another computing task. Furthermore, a mathematical optimization model for minimizing the power overhead is constructed with the constraints of time delay and power consumption. Additionally, the simulated annealing algorithm is utilized to solve the optimization model. The simulation results show that this strategy can effectively reduce the system power consumption by shortening the task execution delay. Finally, we can choose whether to offload computing tasks to MEC server for execution according to the size of two costs. This strategy not only meets the requirements of time delay and energy consumption, but also ensures the lowest cost.

• 한국산업정보학회논문지
• /
• 제29권5호
• /
• pp.11-19
• /
• 2024

유저 디바이스의 태스크 오프로딩을 처리하는 위치가 클라우드에서 엣지로 이동함에 따라, 이를 효과적으로 처리하기 위한 자원 관리 기술의 필요성이 대두되고 있다. 많은 연구에서 강화 학습을 통해 이 문제를 해결하고자 하였으나, 실제 오프로딩 태스크에서 발생하는 오버헤드를 충분히 반영하지 못하였다. 본 논문에서는 태스크의 오버헤드를 고려한 강화학습 기반 분산 오프로딩 정책 생성 기법을 제안하고, 이를 검증하기 위한 시뮬레이션 환경을 구축하였다. 실험을 통해 해당 기법이 엣지의 큐 대기시간을 감소시켜 기존 기법 대비 최대 46.3%의 성능 향상이 있음을 보였다.

• 한국인터넷방송통신학회논문지
• /
• 제23권6호
• /
• pp.61-67
• /
• 2023

5G의 도래와 스마트 디바이스의 급격한 증가는 멀티 액세스 엣지 컴퓨팅(MEC)의 중요성을 부각시켰다. 이런 흐름 속에서, 특히 계산 집약적이고 지연시간에 민감한 애플리케이션의 효과적인 처리가 큰 관심을 받고 있다. 본 논문에서는 이러한 도전 과제를 해결하기 위해 확률적인 MEC 환경을 고려한 새로운 태스크 오프로딩 전략을 연구한다. 먼저 동적인 태스크 요청 빈도와 불안정한 무선 채널 상태를 감안하여 차량의 전력 소모와 지연시간을 최소화하는 방안을 제시한다. 그리고 심층 강화학습(DRL) 기반의 오프로딩 기법을 중심으로 연구를 진행하였고, 로컬 연산 및 오프로딩 전송 전력 사이의 최적의 균형을 찾기 위한 방법을 제안한다. Deep Deterministic Policy Gradient (DDPG)와 Deep Q-Network (DQN) 기법을 활용하여 차량의 전력 사용량과 큐잉 지연시간을 분석하였다. 이를 통해 차량 기반의 MEC 환경에서의 최적의 성능 향상 전략을 도출 및 검증하였다.

• ETRI Journal
• /
• 제44권5호
• /
• pp.746-758
• /
• 2022

This paper focuses on a mobile edge-computing-enabled heterogeneous network. A battery level-aware task-scheduling framework is proposed to improve the energy efficiency and prolong the operating hours of battery-powered mobile devices. The formulated optimization problem is a typical mixed-integer nonlinear programming problem. To solve this nondeterministic polynomial (NP)-hard problem, a decomposition-based task-scheduling algorithm is proposed. Using an alternating optimization technology, the original problem is divided into three subproblems. In the outer loop, task offloading decisions are yielded using a pruning search algorithm for the task offloading subproblem. In the inner loop, closed-form solutions for computational resource allocation subproblems are derived using the Lagrangian multiplier method. Then, it is proven that the transmitted power-allocation subproblem is a unimodal problem; this subproblem is solved using a gradient-based bisection search algorithm. The simulation results demonstrate that the proposed framework achieves better energy efficiency than other frameworks. Additionally, the impact of the battery level-aware scheme on the operating hours of battery-powered mobile devices is also investigated.

• 사물인터넷융복합논문지
• /
• 제6권3호
• /
• pp.39-44
• /
• 2020

본 논문은 SDN 기반 네트워크에서 fog computing 서비스의 이동성을 제안하고자 한다. Fog computing 아키텍처는 컴퓨팅 및 배터리 자원의 제약이 있는 IoT(Internet of Things) 기기들에게 테스크 오프로딩을 가능하게 함으로써 IoT의 저지연/고성능 서비스를 위한 방안으로 연구되고 있다. 하지만 fog computing 아키텍처에서는 고정된 IoT 기기 뿐만 아니라 이동하는 IoT 기기도 서비스 대상 단말로 고려되어야 하기 때문에 이러한 기기의 이동성을 고려한 오프로딩 방안이 필요하다. 특히 저지연 응답 시간을 요구하는 IoT 서비스의 경우, 오프로딩 이후 단말이 이동했을 때 새로운 fog computing 노드와의 새로운 통신 연결 및 테스크 오프로딩 과정을 다시 수행해야 하기 때문에 지연시간이 발생하여 사용자의 QoS(Quality of Service) 저하가 발생할 수 있다. 그러므로 본 연구에서는 단말의 이동성을 고려하여 테스크 또는 테스크의 결과를 이동 후의 fog computing 노드로 미리 migration 시키고 데이터 전송을 위한 rule 또한 미리 배치시킴으로써 통신 지연 및 서비스 복구 지연 시간을 줄일 수 있는 방안을 제시하고자 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.591-593
• /
• 2022

본 논문은 FEC 환경에서 응용 서비스의 처리 지연시간 최소화를 위하여 선행연구 제안한 부분 오프로딩 시스템의 네트워크 부하에 따른 오프로딩의 효과를 분석한다. 모바일 장치와 FEC 서버 간의 2계층 협력 컴퓨팅 시스템으로 구성된 제안 시스템을 로컬 전용 및 에지 서버 전용 처리와 비교한다. 제안 시스템은 다중 분기구조의 재구성 선형화를 통한 부분 오프로딩 알고리즘[1]과 두 계층 간의 최적 협업 알고리즘[2]을 포함한다. 실험은 다중 분기구조의 DAG 토폴로지를 갖는 논리적 CNN 모델을 대상으로 계층 스케줄링을 적용하여 수행하였으며, 실험 결과 제안 시스템은 로컬이나 에지 전용 실행과 비교하여 항상 효율적인 작업 처리 전략 및 처리 지연시간을 제공함을 입증하였다.

• 한국인터넷방송통신학회논문지
• /
• 제15권3호
• /
• pp.137-141
• /
• 2015

모바일 클라우드 컴퓨팅은 모바일 기기의 자원 제약적인 문제를 해결하기 위해 클라우드 서비스를 활용한다. 이렇게 모바일 기기에서 수행해야할 작업을 클라우드로 위임하는 것을 오프로딩이라고 하고 에너지 소모의 관점에서 많은 연구들이 진행되고 있다. 본 논문에서는 응답 시간의 관점에서 오프로딩 기법 적용의 효율성을 측정하기 위해 센 싱 데이터 동기화를 고려한 응답 시간 모델을 설계하였다. 제안 모델에서는 클라우드에서 모바일 기기가 요청한 작업 을 처리할 때 필요한 센싱 데이터에 대한 동기화 작업을 고려하여 정교한 응답 시간 예측을 가능하도록 했으며 모의실험을 통해 새로운 센서 데이터의 발생 비율과 동기화 주기가 응답 시간에 어떤 영향을 주는지를 확인하였다.