• Journal of Information Processing Systems
• /
• 제17권3호
• /
• pp.615-629
• /
• 2021

With the development of mobile edge computing, how to utilize the computing power of edge computing to effectively and efficiently offload data and to compute offloading is of great research value. This paper studies the computation offloading problem of multi-user and multi-server in mobile edge computing. Firstly, in order to minimize system energy consumption, the problem is modeled by considering the joint optimization of the offloading strategy and the wireless and computing resource allocation in a multi-user and multi-server scenario. Additionally, this paper explores the computation offloading scheme to optimize the overall cost. As the centralized optimization method is an NP problem, the game method is used to achieve effective computation offloading in a distributed manner. The decision problem of distributed computation offloading between the mobile equipment is modeled as a multi-user computation offloading game. There is a Nash equilibrium in this game, and it can be achieved by a limited number of iterations. Then, we propose a distributed computation offloading algorithm, which first calculates offloading weights, and then distributedly iterates by the time slot to update the computation offloading decision. Finally, the algorithm is verified by simulation experiments. Simulation results show that our proposed algorithm can achieve the balance by a limited number of iterations. At the same time, the algorithm outperforms several other advanced computation offloading algorithms in terms of the number of users and overall overheads for beneficial decision-making.

• 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.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권12호
• /
• pp.4081-4098
• /
• 2022

With the aim of tackling the contradiction between computation intensive industrial applications and resource-weak Edge Devices (EDs) in Industrial Internet of Things (IIoT), a novel computation task offloading scheme in SDIN-enabled MEC based IIoT is proposed in this paper. With the aim of reducing the task accomplished latency and energy consumption of EDs, a joint optimization method is proposed for optimizing the local CPU-cycle frequency, offloading decision, and wireless and computation resources allocation jointly. Based on the optimization, the task offloading problem is formulated into a Mixed Integer Nonlinear Programming (MINLP) problem which is a large-scale NP-hard problem. In order to solve this problem in an accessible time complexity, a sub-optimal algorithm GPCOA, which is based on hybrid evolutionary computation, is proposed. Outcomes of emulation revel that the proposed method outperforms other baseline methods, and the optimization result shows that the latency-related weight is efficient for reducing the task execution delay and improving the energy efficiency.

• 스마트미디어저널
• /
• 제12권3호
• /
• pp.68-76
• /
• 2023

Emerging mobile edge computing (MEC) can be used in battery-constrained Internet of things (IoT). The execution latency of IoT applications can be improved by offloading computation-intensive tasks to an MEC server. Recently, the popularity of unmanned aerial vehicles (UAVs) has increased rapidly, and UAV-based MEC systems are receiving considerable attention. In this paper, we propose a dynamic computation offloading paradigm for UAV-based MEC systems, in which a UAV flies over an urban environment and provides edge services to IoT devices on the ground. Since most IoT devices are energy-constrained, we formulate our problem as a Markov decision process considering the energy level of the battery of each IoT device. We also use model-free Q-learning for time-critical tasks to maximize the system utility. According to our performance study, the proposed scheme can achieve desirable convergence properties and make intelligent offloading decisions.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권6호
• /
• pp.2282-2303
• /
• 2021

To solve the problems of heavy computing load and system transmission pressure in energy internet (EI), we establish a three-tier cloud-edge integrated EI network based on a cloud-edge collaborative computing to achieve the tradeoff between energy consumption and the system delay. A joint optimization problem for resource allocation and task offloading in the threetier cloud-edge integrated EI network is formulated to minimize the total system cost under the constraints of the task scheduling binary variables of each sensor node, the maximum uplink transmit power of each sensor node, the limited computation capability of the sensor node and the maximum computation resource of each edge server, which is a Mixed Integer Non-linear Programming (MINLP) problem. To solve the problem, we propose a joint task offloading and resource allocation algorithm (JTOARA), which is decomposed into three subproblems including the uplink transmission power allocation sub-problem, the computation resource allocation sub-problem, and the offloading scheme selection subproblem. Then, the power allocation of each sensor node is achieved by bisection search algorithm, which has a fast convergence. While the computation resource allocation is derived by line optimization method and convex optimization theory. Finally, to achieve the optimal task offloading, we propose a cloud-edge collaborative computation offloading schemes based on game theory and prove the existence of Nash Equilibrium. The simulation results demonstrate that our proposed algorithm can improve output performance as comparing with the conventional algorithms, and its performance is close to the that of the enumerative algorithm.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권11호
• /
• pp.4347-4366
• /
• 2015

Distinguished with traditional strategies which offload an application's computation to a single server, parallel computation offloading can promote the performance by simultaneously delivering the computation to multiple computing resources around the mobile terminal. However, due to the variability of communication and computation environments, static application component multi-partitioning algorithms are difficult to maintain the optimality of their solutions in time-varying scenarios, whereas, over-frequent algorithm executions triggered by changes of environments may bring excessive algorithm costs. To this end, an adaptive application component mapping algorithm for parallel computation offloading in variable environments is proposed in this paper, which aims at minimizing computation costs and inter-resource communication costs. It can provide the terminal a suitable solution for the current environment with a low incremental algorithm cost. We represent the application component multi-partitioning problem as a graph mapping model, then convert it into a pathfinding problem. A genetic algorithm enhanced by an elite-based immigrants mechanism is designed to obtain the solution adaptively, which can dynamically adjust the precision of the solution and boost the searching speed as transmission and processing speeds change. Simulation results demonstrate that our algorithm can promote the performance efficiently, and it is superior to the traditional approaches under variable environments to a large extent.

• 정보과학회 논문지
• /
• 제42권6호
• /
• pp.707-712
• /
• 2015

모바일 클라우드 컴퓨팅은 모바일 기기의 자원제약적인 한계를 극복하기 위해 클라우드 서비스를 활용하는 기술로 모바일 기기에서 실행해야 할 일부 작업을 클라우드에서 수행하게 하는 컴퓨테이션 오프로딩 기법이 사용된다. 오프로딩에 필요한 통신 비용보다 모바일 기기 내에서의 연산 비용이 클 경우 모바일 기기는 클라우드에게 작업 수행을 위탁한다. 모바일 기기에서 수행할 작업과 클라우드에서 수행할 작업을 분할하기 위한 기존의 비용 분석 모델은 함수 호출에 필요한 데이터 전송과 응답 시간만을 오프로딩 비용으로 산정하였다. 본 논문에서는 컴퓨테이션 오프로딩 비용 산출 시 함수의 호출 및 응용 프로그램의 동기화 빈도를 고려한 작업 분할 기법을 제안하였고 실험을 통해 기존의 기법들에 비해 에너지 효율성을 높일 수 있음을 확인하였다.

• 정보과학회 논문지
• /
• 제44권9호
• /
• pp.871-877
• /
• 2017

최근 모바일 기기와 같이 하드웨어 성능이 부족한 기기에서 연산량이 많은 어플리케이션을 효과적으로 수행할 수 있는 방법들이 많이 연구되고 있다. 연산 오프로딩 기법이란 모바일 기기에서 하드웨어 성능이 좋은 서버로 복잡한 연산을 보내서 수행 한 뒤 결과를 받아서 반영하는 방법이다. 연산 오프로딩 기법의 어려움 중 하나는 서버와 클라이언트 사이에서 동작 중인 어플리케이션의 상태를 주고받는 일이다. 스냅샷 기반의 연산 오프로딩 기법은 스냅샷을 이용하여 웹 어플리케이션의 상태를 쉽게 전송할 수 있도록 하였다. 하지만 HTML5 캔버스를 사용하는 웹 어플리케이션의 경우 스냅샷이 캔버스의 상태를 포함하지 못하는 문제가 있어서 스냅샷 기반의 연산 오프로딩을 적용할 수 없었다. 본 연구에서는 스냅샷에 캔버스의 상태를 저장할 수 있는 코드 생성 기술을 제안하여 캔버스를 사용하는 웹 어플리케이션에도 스냅샷 기반 연산 오프로딩 기법을 사용할 수 있도록 하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제2권5호
• /
• pp.203-208
• /
• 2013

스마트폰이 널리 사용됨에 따라 이에 탑재되는 어플리케이션이 점차 고도화 되고 있다. 일면 하드웨어의 성능이 소프트웨어의 요구사항을 능가한 모습도 보이는 Personal Computer와는 달리 스마트폰의 경우 보다 얇은 것을 추구하는 디자인적 한계점과 여타 하드웨어에 비해 더딘 발전 속도를 보이는 배터리에 의해 저전력을 추구해야 한다는 한계점으로 인해 하드웨어의 성능이 소프트웨어의 요구사항을 충족시키지 못하는 모습이다. 이를 보완하기 위한 대표적인 기술로 연산 오프로딩이 각광받고 있다. 하지만, 확실히 성능 및 전력 소모에 있어서 이점을 가져다준다는 연구에도 불구하고 오프로딩은 현재 널리 사용되는 기술이 아니다. 이는 기존 오프로딩 프레임워크는 어플리케이션 개발자가 사용하기에 난해한 점이 있기 때문이다. 따라서 본 연구는 어플리케이션 개발자 친화적인 오프로딩 프레임워크인 SorMob을 소개한다. SorMob은 안드로이드 상에서 동작하며, Aspect Oriented Programming 개념을 차용하여 개발자 친화적인 환경을 구축할 수 있었으며 실험을 통해 기존의 오프로딩 프레임워크에 뒤떨어지지 않는 성능을 가지고 있음을 확인할 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권11호
• /
• pp.377-386
• /
• 2020

모바일 클라우드 컴퓨팅은 클라우드 컴퓨팅 환경에서 클라이언트 기기로 모바일이나 임베디드 디바이스가 사용되는 경우를 말하며, 단말 기기의 뛰어난 이동성과 상대적으로 낮은 연산 자원의 신뢰도를 그 특징으로 한다. 스마트폰과 소형 주변기기의 확산으로 최근 모바일 클라우드 컴퓨팅에 대한 연구가 급증하고 있다. 코드 오프로딩은 무선 네트워크 연결되어 있는 모바일 시스템이 연산 작업의 일부를 보다 빠른 속도를 가진 서버로 옮겨서 진행함으로써 효율을 향상시키는 기법이다. 코드 오프로딩은 모바일 클라우드 환경에서 모바일 디바이스가 가지는 제한된 자원을 극복하는 중요한 기법의 하나로 각광받고 있다. 본 논문에서는 코드 오프로딩의 성능을 좌우하는 요소를 분석하고, 다양한 요소 중에서 프로그램 정적 분할 기법과 데이터 보호에 관련된 최근 연구동향을 요소별로 분석한다. 또한 현재까지 진행되고 있는 다양한 연구와 관련 분야 신기술을 고려한 향후 발전 방향을 논의한다.