21351

21351

الگوريتم جديد براي مديريت تحرك با هند اوور كمينه در شبكههاي سلول كوچك متراكم با محاسبات لبه موبايل

كارشناسي ارشد

شبكه هاي كامپيوتري

1395

1397/10/19

دكتر رضا برنگي

كامپيوتر

محاسبات لبه ي موبايل در چند دهه اخير توجهات زيادي را به خود جلب كرده است. موضوع اصلي بسياري از مطالعات قبلي، سياستهاي تخليه بار ميباشد، بعنوان مثال چه چيزي/چه زماني/ چگونه بار كاري كاربر از وسيله اش به سيستم لبه يا ابر خالي شود. درباره سياستهاي تخليه بار مطالعه نخواهيم كرد اما درباره شبكههاي سلولي متراكم كوچك كه به طور عمده بر مديريت منابع راديويي و كاهش تداخل متمركز است، كار كرده ايم و هيچ فرضيهاي در مورد چگونگي برنامه ريزي شبكه و يا نحوه تخصيص منابع راديويي در ميان سلولها نداريم(بنابراين اجازه تداخل داخل سلولي در مدل خود را ميدهيم.) ادغام محاسبات شبكهاي موبايل با آرايش متراكمي از ايستگاههاي پايهاي كوچك باعث فوايد زيادي از جمله نزديكي واقعي ،1تأخير خيلي كم در دسترسي به ويژگيهاي ابر ميشود. اين يكپارچگي باعث ايجاد چالشهاي جديد زيادي از جمله مديريت تحرك شده، كه در حال تبديل شدن به يك تنگنا كليدي براي عملكرد كلي سيستم است. استفاده از راه حلهاي موجود منجر به كارايي ضعيف به دليل همپوشاني زياد نواحي تحت پوشش چندين ايستگاه پايهاي كه در نزديكي كاربر و سرويس تأمين كننده دسترسي راديويي و محاسباتي هستند، ميشود. در اين پايان نامه، يك ديد جديد از مديريت تحرك كاربر محور، روش لياپانوف بهينه شده و نظريههاي دستگاه چند دسته با درنظر گرفتن مصرف انرژي ارتباطي كاربر كمتر از يه قيد، به منظور بيشينه كردن كارايي محاسبات لبه كاربر توسعه داده شده است. طرح پيشنهادي به طور موثري، عدم اطمينان موجود در سطوح مختلف را در سيستم مديريت ميكند و كارايي كوتاه و بلند مدت را ضمانت ميكند. همچنين نسبت به روش قبلي تعداد دگرسپاريها را حدود % 10كاهش ميدهد. واژههاي كليدي: بهينه سازي لياپانوف، نظريه دستگاه چند دسته، محاسبات لبه موبايل، مديريت تحرك، مصرف انرژي، شبكههاي فوق العاده متراكم.

1398/08/19

A new algorithm for mobility management with minimum handover in small cell Ultra Dense Networking and Mobile Edge Computing

1/9/2019 12:00:00 AM

Mobile edge computing has received an increasing amount of attentions in recent years. A central theme of many prior studies is offloading policies, i.e. what/when/how to offload a user’s workload from its device to the edge system or cloud. Our paper does not study offloading policies. There is also extensive work on dense small cell networks, mainly focusing on radio resource management and interference mitigation. Our paper does not impose any assumption on how the network is planned or how the radio resource is allocated among the cells (hence we allow inter-cell interference in our model). Merging mobile edge computing with the dense deployment of small cell base stations promises enormous benefits such as a real proximity, ultra-low latency access to cloud functionalities. However, the envisioned integration creates many new challenges and one of the most significant is mobility management, which is becoming a key bottleneck to the overall system performance. Simply applying existing solutions leads to poor performance due to the highly overlapped coverage areas of multiple base stations in the proximity of the user and the co-provisioning of radio access and computing services. In this paper, we develop a novel user-centric mobility management scheme, leveraging Lyapunov optimization and multi-armed bandits theories, in order to maximize the edge computation performance for the user while keeping the user’s communication energy consumption below a constraint. The proposed scheme effectively handles the uncertainties present at multiple levels in the system and provides both short-term and long-term performance guarantee. Keywords: Lyapunov, Multi-armed bandits, Mobile Edge Computing, Mobility Management, Energy Consumption, Ultra Dense Networking