論文の概要: Distance-Only Task Orchestration Algorithm for Energy Efficiency in Satellite-Based Mist Computing
- arxiv url: http://arxiv.org/abs/2311.14308v1
- Date: Fri, 24 Nov 2023 06:38:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 13:16:38.656906
- Title: Distance-Only Task Orchestration Algorithm for Energy Efficiency in Satellite-Based Mist Computing
- Title(参考訳): 衛星マイストコンピューティングにおけるエネルギー効率のための距離限定タスクオーケストレーションアルゴリズム
- Authors: Messaoud Babaghayou, Noureddine Chaib, Leandros Maglaras, Yagmur Yigit, Mohamed Amine Ferrag,
- Abstract要約: 本稿では,衛星接近を優先する重計算タスクオフロードアルゴリズムを提案する。
提案アルゴリズムは、衛星エネルギー消費、平均的なエンドツーエンド遅延、タスク成功率の観点から、他のオフロード方式よりも優れている。
- 参考スコア(独自算出の注目度): 1.0225653612678713
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper addresses the challenge of efficiently offloading heavy computing tasks from ground mobile devices to the satellite-based mist computing environment. With ground-based edge and cloud servers often being inaccessible, the exploitation of satellite mist computing becomes imperative. Existing offloading algorithms have shown limitations in adapting to the unique characteristics of heavy computing tasks. Thus, we propose a heavy computing task offloading algorithm that prioritizes satellite proximity. This approach not only reduces energy consumption during telecommunications but also ensures tasks are executed within the specified timing constraints, which are typically non-time-critical. Our proposed algorithm outperforms other offloading schemes in terms of satellites energy consumption, average end-to-end delay, and tasks success rates. Although it exhibits a higher average VM CPU usage, this increase does not pose critical challenges. This distance-based approach offers a promising solution to enhance energy efficiency in satellite-based mist computing, making it well-suited for heavy computing tasks demands.
- Abstract(参考訳): 本稿では、地上のモバイルデバイスから衛星ベースのミストコンピューティング環境へ、重機のタスクを効率的にオフロードするという課題に対処する。
地上のエッジとクラウドサーバはアクセスできないことが多いため、衛星ミストコンピューティングの活用は不可欠である。
既存のオフロードアルゴリズムは、重コンピューティングタスクのユニークな特徴に適応する際の制限を示している。
そこで本稿では,衛星接近を優先する重計算タスクオフロードアルゴリズムを提案する。
このアプローチは、通信中のエネルギー消費を減らすだけでなく、通常非時間クリティカルな特定のタイミング制約の中でタスクが実行されることを保証する。
提案アルゴリズムは、衛星エネルギー消費、平均的なエンドツーエンド遅延、タスク成功率の観点から、他のオフロード方式よりも優れている。
平均的なVMCPU使用率を示すが、この増加は重大な問題にはならない。
この距離ベースのアプローチは、衛星ベースのミストコンピューティングにおけるエネルギー効率を高めるための有望なソリューションを提供する。
関連論文リスト
- A Schedule of Duties in the Cloud Space Using a Modified Salp Swarm
Algorithm [0.0]
クラウド領域で最も重要なNPハード問題のひとつはスケジューリングです。
Salp Swarm Algorithm (SSA)と呼ばれる集団知能アルゴリズムの1つが拡張され、改良され、適用された。
その結果,本アルゴリズムは一般に他のアルゴリズムよりも高い性能を示した。
論文 参考訳(メタデータ) (2023-09-18T02:48:41Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳(メタデータ) (2023-08-03T02:49:50Z) - Quantum algorithms applied to satellite mission planning for Earth
observation [0.0]
本稿では,衛星計画問題の解法として,量子アルゴリズムのセットを紹介する。
この問題は、実際のデータセットで完了した高優先度タスクの数を最大化するものとして定式化されている。
ハイブリッド化量子強化学習エージェントは、高優先度タスクに対して98.5%の完了率を達成することができる。
論文 参考訳(メタデータ) (2023-02-14T16:49:25Z) - Computation Offloading and Resource Allocation in F-RANs: A Federated
Deep Reinforcement Learning Approach [67.06539298956854]
フォグ無線アクセスネットワーク(フォグ無線アクセスネットワーク、F-RAN)は、ユーザのモバイルデバイス(MD)が計算タスクを近くのフォグアクセスポイント(F-AP)にオフロードできる有望な技術である。
論文 参考訳(メタデータ) (2022-06-13T02:19:20Z) - Innovations in the field of on-board scheduling technologies [64.41511459132334]
本稿では、ミッション自律のためのソフトウェアフレームワークに組み込まれた、オンボードスケジューラを提案する。
スケジューラは線形整数プログラミングに基づいており、ブランチ・アンド・カット・ソルバの使用に依存している。
この技術は地球観測のシナリオでテストされており、その性能を最先端のスケジューリング技術と比較している。
論文 参考訳(メタデータ) (2022-05-04T12:00:49Z) - Performance and Energy-Aware Bi-objective Tasks Scheduling for Cloud
Data Centers [0.0]
クラウドコンピューティングはユーザタスクのリモート実行を可能にする。
スマートシティサービスやアプリケーションにおけるクラウドコンピューティングの普及には、qos(quality of services)に準拠したタスクをタイムリーに実行する必要がある
コンピューティングサーバーの使用の増加は、高エネルギー消費、運用コスト、および環境汚染の問題を強化します。
矛盾する性能とエネルギー目標をトレードオフするために、パフォーマンスとエネルギー最適化の二目的的アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-04-25T08:55:57Z) - Energy Efficient Edge Computing: When Lyapunov Meets Distributed
Reinforcement Learning [12.845204986571053]
本研究では,エッジコンピューティングによるエネルギー効率のよいオフロード問題について検討する。
考慮されたシナリオでは、複数のユーザが同時に無線およびエッジコンピューティングリソースを競う。
提案されたソリューションは、ベンチマークアプローチと比較してネットワークのエネルギー効率を高めることもできます。
論文 参考訳(メタデータ) (2021-03-31T11:02:29Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳(メタデータ) (2021-02-12T09:33:00Z) - Deep Reinforcement Learning for Delay-Oriented IoT Task Scheduling in
Space-Air-Ground Integrated Network [24.022108191145527]
宇宙空間統合ネットワーク(SAGIN)における遅延指向モノのインターネット(IoT)サービスにおけるタスクスケジューリング問題について検討する。
検討されたシナリオでは、無人航空機(UAV)がIoTデバイスからコンピューティングタスクを収集し、オンラインのオフロード決定を行う。
我々の目的は、UAVエネルギー容量の制約により、タスクのオフロードと計算遅延を最小限に抑えるタスクスケジューリングポリシーを設計することである。
論文 参考訳(メタデータ) (2020-10-04T02:58:03Z) - A Machine Learning Approach for Task and Resource Allocation in Mobile
Edge Computing Based Networks [108.57859531628264]
無線ネットワークにおいて,共同作業,スペクトル,送信電力配分問題について検討する。
提案アルゴリズムは、標準Q-ラーニングアルゴリズムと比較して、収束に必要なイテレーション数と全ユーザの最大遅延を最大18%、11.1%削減することができる。
論文 参考訳(メタデータ) (2020-07-20T13:46:42Z) - Federated Learning for Task and Resource Allocation in Wireless High
Altitude Balloon Networks [160.96150373385768]
移動エッジコンピューティング(MEC)対応バルーンネットワークにおいて,タスク計算と伝送におけるエネルギーと時間消費の最小化の問題について検討した。
サポートベクトルマシン(SVM)に基づくフェデレーション学習(FL)アルゴリズムを提案する。
提案したSVMベースのFL法では,各HABが協調してSVMモデルを構築し,すべてのユーザアソシエーションを決定できる。
論文 参考訳(メタデータ) (2020-03-19T14:18:25Z)
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。