• 한국경영과학회지
• /
• 제24권2호
• /
• pp.31-39
• /
• 1999

A new approximation method for finding the steady-state probabilities of the number of customers present in queueing systems with Poisson arrivals and two servers with different deterministic service times with infinite waiting room capacity is developed. The major assumption made for the approximation is that the residual service times of the servers have mutually independent uniform distributions with densities equal to the reciprocals of the respective service times. The method reflects the heterogeneity of the servers only through the ratio of their service times, irrespective of the actual magnitudes and difference. The transition probability matrix is established and the steady-state probabilities are found for a variety of traffic intensities and ratios of the two service times; also the mean number of customers present in the system and in the queue, and server utilizations are found and tabulated. The method was validated by simulation and turned out to be very sharp.

• 정보처리학회논문지A
• /
• 제12A권6호
• /
• pp.507-514
• /
• 2005

본 논문에서는 메시지 전달 분산시스템서 결정적 서버를 위한 부분적 분산형 수동적 중복 알고리즘을 제안한다. 이 알고리즘은 반드시 주 서버가 아니더라도 임의의 보조서버가 자신이 수신한 클라이언트 요구에 대해 서버로부터 그 요구의 전달일련번호를 얻은 후, 그 보조서버가 직접 해당 요구를 처리하고, 이에 대한 다른 중복 서버들과의 조정에 대한 책임자 역할을 수행할 수 있도록 한다. 이러한 바람직한 특성 때문에, 제안된 알고리즘이 기존의 부하균등 기법과 결합된다면, 주 서버에의 급격한 부하 발생을 효율적으로 피할 수 있다. 따라서, 이 알고리즘은 기존의 수동적 중복 알고리즘보다 결정적 중복 서버 시스템에 대한 높은 확장성을 제공할 수 있다. 본 논문에서 수행한 시뮬레이션에서 기존 알고리즘에 비해 제안한 알고리즘이 클라이언트 요구 당 평균응답시간을 $16.5\%{\~}52.3\%$까지 줄일 수 있다는 것을 보여준다.

• 한국산업정보학회논문지
• /
• 제4권4호
• /
• pp.32-39
• /
• 1999

주문형 비디오 시스템에서 가변 비트율로 압축된 데이타들은 압축 대상이 되는 데이타의 내용 변화와 압축 기법의 특성으로 인해 단위 시간 당 처리해야 할 데이타 크기가 일정하지 않다. 그러나, 대부분의 주문형 비디오 서버들은 가변 비트율로 압축된 데이타를 실시간에 처리하기 위해 가변 데이타 크기의 최대값으로 시스템 자원을 예약하기 때문에 자원의 활용률이 떨어진다. 본 논문에서는 주문형 비디오 서버에서 시스템 자원의 활용률을 향상시켜 더 많은 사용자를 수용할 수 있는 버퍼 관리 기법을 제안한다. 제안된 버퍼 관리 기법은 데이타에 대한 캐슁 기법과 함께 가변 비트율로 압축된 데이타를 예약할 때 선반입 기법을 적용함으로써 비디오 데이타의 가변성을 줄이고 디스크 대역폭과 서버 버퍼에 대한 활용률을 극대화하였다. 본 논문에서 제안한 버퍼 관리 기법의 효율성은 모의 실험을 통해 확인하였다.

• Journal of Information Processing Systems
• /
• 제20권2호
• /
• pp.226-238
• /
• 2024

Recently, multi-access edge computing (MEC) has emerged as a promising technology to alleviate the computing burden of vehicular terminals and efficiently facilitate vehicular applications. The vehicle can improve the quality of experience of applications by offloading their tasks to MEC servers. However, channel conditions are time-varying due to channel interference among vehicles, and path loss is time-varying due to the mobility of vehicles. The task arrival of vehicles is also stochastic. Therefore, it is difficult to determine an optimal offloading with resource allocation decision in the dynamic MEC system because offloading is affected by wireless data transmission. In this paper, we study computation offloading with resource allocation in the dynamic MEC system. The objective is to minimize power consumption and maximize throughput while meeting the delay constraints of tasks. Therefore, it allocates resources for local execution and transmission power for offloading. We define the problem as a Markov decision process, and propose an offloading method using deep reinforcement learning named deep deterministic policy gradient. Simulation shows that, compared with existing methods, the proposed method outperforms in terms of throughput and satisfaction of delay constraints.