論文の概要: QoS-SLA-Aware Artificial Intelligence Adaptive Genetic Algorithm for
Multi-Request Offloading in Integrated Edge-Cloud Computing System for the
Internet of Vehicles
- arxiv url: http://arxiv.org/abs/2202.01696v1
- Date: Fri, 21 Jan 2022 10:11:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-06 11:02:27.372908
- Title: QoS-SLA-Aware Artificial Intelligence Adaptive Genetic Algorithm for
Multi-Request Offloading in Integrated Edge-Cloud Computing System for the
Internet of Vehicles
- Title（参考訳）: 車両用エッジクラウドコンピューティングシステムにおける多要求オフロードのためのQoS-SLA対応人工知能適応遺伝的アルゴリズム
- Authors: Leila Ismail, Huned Materwala, and Hossam S. Hassanein
- Abstract要約: IoT of Vehicles (IoV) over Vehicular Ad-hoc Networks (VANETS) は、スマートシティアプリケーションの開発を可能にする新興技術である。
車両の計算能力とストレージ能力の制限を考えると、アプリケーション要求は統合されたエッジクラウドコンピューティングシステムにオフロードされる。
本稿では、異種エッジクラウドコンピューティングシステムにおけるマルチリクエストオフロードのための新しいAI(AI)デッドラインSLA対応遺伝的アルゴリズム(GA)を提案する。
- 参考スコア（独自算出の注目度）: 14.978000952939404
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Internet of Vehicles (IoV) over Vehicular Ad-hoc Networks (VANETS) is an
emerging technology enabling the development of smart cities applications for
safer, efficient, and pleasant travel. These applications have stringent
requirements expressed in Service Level Agreements (SLAs). Considering vehicles
limited computational and storage capabilities, applications requests are
offloaded into an integrated edge-cloud computing system. Existing offloading
solutions focus on optimizing applications Quality of Service (QoS) while
respecting a single SLA constraint. They do not consider the impact of
overlapped requests processing. Very few contemplate the varying speed of a
vehicle. This paper proposes a novel Artificial Intelligence (AI) QoS-SLA-aware
genetic algorithm (GA) for multi-request offloading in a heterogeneous
edge-cloud computing system, considering the impact of overlapping requests
processing and dynamic vehicle speed. The objective of the optimization
algorithm is to improve the applications' Quality of Service (QoS) by
minimizing the total execution time. The proposed algorithm integrates an
adaptive penalty function to assimilate the SLAs constraints in terms of
latency, processing time, deadline, CPU, and memory requirements. Numerical
experiments and comparative analysis are achieved between our proposed
QoS-SLA-aware GA, random, and GA baseline approaches. The results show that the
proposed algorithm executes the requests 1.22 times faster on average compared
to the random approach with 59.9% less SLA violations. While the GA baseline
approach increases the performance of the requests by 1.14 times, it has 19.8%
more SLA violations than our approach.
- Abstract（参考訳）: internet of vehicles (iov) over vehicular ad-hoc networks (vanets)は、安全な、効率的、快適な旅行のためのスマートシティアプリケーションの開発を可能にする新しい技術である。
これらのアプリケーションには、SLA(Service Level Agreements)で表現された厳しい要件があります。
車両の計算能力とストレージ能力の制限を考えると、アプリケーション要求は統合されたエッジクラウドコンピューティングシステムにオフロードされる。
既存のオフロードソリューションは、単一のSLA制約を尊重しながら、アプリケーションの最適化に重点を置いています。
重複したリクエスト処理の影響は考慮されていない。
車両の速度の変化を考える人はごくわずかである。
本稿では、重なり合う要求処理と動的車両速度の影響を考慮して、異種エッジクラウドコンピューティングシステムにおけるマルチリクエストオフロードのための新しい人工知能(AI)QoS-SLA対応遺伝的アルゴリズムを提案する。
最適化アルゴリズムの目的は、総実行時間を最小化することで、アプリケーションのqos(quality of service)を改善することである。
提案アルゴリズムは適応ペナルティ関数を統合し,待ち時間,処理時間,期限,CPU,メモリ要件の観点からSLAの制約を同化する。
提案したQoS-SLA対応GA,ランダム,GAベースラインアプローチの数値実験と比較解析を行った。
その結果、提案アルゴリズムは、SLA違反が59.9%少ないランダムアプローチに比べて平均1.22倍高速に要求を実行することがわかった。
GAベースラインアプローチはリクエストのパフォーマンスを1.14倍に向上させるが、私たちのアプローチよりもSLA違反が19.8%多い。
関連論文リスト
- Multi-agent Assessment with QoS Enhancement for HD Map Updates in a Vehicular Network [8.853779271331508]
Reinforcement Learning (RL)アルゴリズムは、車載アドホックネットワーク(VANET)のオフロードプロセスにおける課題に対処するために使用されている。
DQN(Deep Q-learning)とAV(Actor-critic at the autonomous vehicle)は、計算負荷の増加を招き、計算装置に大きな負担とコストを発生させる可能性がある。
本稿では,分散マルチエージェント環境におけるQラーニング単一エージェントソリューションを利用したアプリケーションのスケーラビリティを評価する。
論文 参考訳（メタデータ） (2024-07-31T09:17:09Z) - Coverage-aware and Reinforcement Learning Using Multi-agent Approach for HD Map QoS in a Realistic Environment [8.853779271331508]
オフロードプロセスを最適化する効果的な方法の1つは、送信時間を最小化することである。
これはVehicular Adhoc Network(VANET)において特に当てはまり、車両はHD(High-Definition)マップデータを頻繁にダウンロードしてアップロードする。
論文 参考訳（メタデータ） (2024-07-19T12:40:07Z) - Fractional Deep Reinforcement Learning for Age-Minimal Mobile Edge
Computing [11.403989519949173]
本研究は,AOI( Age-of-Information)によって測定された計算集約更新の時系列に焦点をあてる。
我々は,AoIのタスク更新とオフロードポリシを分断形式で共同で最適化する方法について検討する。
実験の結果,提案アルゴリズムは,いくつかの非フラクタルベンチマークと比較して平均AoIを57.6%削減できることがわかった。
論文 参考訳（メタデータ） (2023-12-16T11:13:40Z) - Offloading and Quality Control for AI Generated Content Services in 6G Mobile Edge Computing Networks [18.723955271182007]
本稿では, 逆拡散段階における拡散モデルのオフロード決定, 計算時間, 拡散ステップに対する共同最適化アルゴリズムを提案する。
実験結果から,提案アルゴリズムはベースラインよりも優れた継手最適化性能が得られることが示された。
論文 参考訳（メタデータ） (2023-12-11T08:36:27Z) - Qubit efficient quantum algorithms for the vehicle routing problem on
NISQ processors [48.68474702382697]
時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。
そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
論文 参考訳（メタデータ） (2023-06-14T13:44:35Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - AI-aided Traffic Control Scheme for M2M Communications in the Internet
of Vehicles [61.21359293642559]
交通のダイナミクスと異なるIoVアプリケーションの異種要求は、既存のほとんどの研究では考慮されていない。
本稿では,ハイブリッド交通制御方式とPPO法を併用して検討する。
論文 参考訳（メタデータ） (2022-03-05T10:54:05Z) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳（メタデータ） (2022-01-13T15:20:45Z) - Edge Federated Learning Via Unit-Modulus Over-The-Air Computation
(Extended Version) [64.76619508293966]
本稿では,効率の良いエッジフェデレーション学習を実現するために,UM-AirCompフレームワークを提案する。
ローカルモデルパラメータを同時にアップロードし、アナログビームフォーミングを通じてグローバルモデルパラメータを更新する。
車両間自動運転シミュレーションプラットフォームにおけるUM-AirCompの実装を実演する。
論文 参考訳（メタデータ） (2021-01-28T15:10:22Z) - Dynamic RAN Slicing for Service-Oriented Vehicular Networks via
Constrained Learning [40.5603189901241]
品質の異なる車両用インターネット(IoV)サービスにおける無線アクセスネットワーク(RAN)スライシング問題について検討する。
無線スペクトルと演算資源を動的に割り当てる動的RANスライシングフレームワークを提案する。
RAWSは,ベンチマークと比較すると,要求を高い確率で満たしながら,システムコストを効果的に削減できることを示す。
論文 参考訳（メタデータ） (2020-12-03T15:08:38Z) - Reinforcement Learning Based Vehicle-cell Association Algorithm for
Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。
まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。
提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文 参考訳（メタデータ） (2020-01-22T08:51:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。