Xem mẫu
- Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), Nha Trang, ngày 8-9/10/2020
DOI: 10.15625/vap.2020.00180
MỘT PHƯƠNG PHÁP GIẢM TẢI TỐI ƯU NĂNG LƯỢNG TRONG HỆ THỐNG
ĐIỆN TOÁN BIÊN DI ĐỘNG
Hoàng Trọng Minh1, Nguyễn Quốc Cường1, Dương Thị Lan1, Hoàng Thị Thu2
1
Khoa Viễn thông I, Học viện Công nghệ bƣu chính viễn thông
2
Viện Công nghệ thông tin và Truyền thông CDIT, Học viện Công nghệ bƣu chính viễn thông
hoangtrongminh@ptit.edu.vn, cuongnq.b16vt040@stu.ptit.edu.vn, landt.B16VT184@stu.ptit.edu.vn, thuht@ptit.edu.vn
TÓM TẮT: Hiện nay, công nghệ tính toán biên đã và đang thu hút rất nhiều nghiên cứu do khả năng cung cấp tính toán
phân tán, tối ưu năng lượng và cải thiện tốc độ xử lý cho các thiết bị đầu cuối. Các ưu điểm của tiếp cận điện toán biên có được nhờ
sự chia sẻ nhiệm vụ tính toán giữa các thiết bị với nhau và với thiết bị truy nhập tại biên mạng. Giải pháp chia sẻ tải (offloading)
cho các thiết bị hỗ trợ để tính toán một phần nhiệm vụ thay vì chuyển toàn bộ tính toán tới thiết bị tính toán biên di động MEC
(Mobile Edge Computing) là phần cốt lõi của tiếp cận nhằm giảm độ trễ và tăng tốc xử lý. Tuy nhiên, đây là một bài toán tối ưu đa
mục tiêu với đa ràng buộc và thuộc vào lớp bài toán NP-Hard. Vì vậy, một loạt các tiếp cận nâng cao hiệu năng mạng tính toán
biên thông qua giải pháp chia tải vẫn đang được tiếp tục nghiên cứu. Trong bài báo này, một cơ chế chia tải được thực hiện luân
phiên cho thiết bị hỗ trợ được đề xuất nhằm tối ưu năng lượng tổng thể của các thiết bị trong khi vẫn thỏa mãn các điều kiện ràng
buộc về trễ và yêu cầu tính toán. Thuật toán đề xuất được chứng minh bằng phương pháp mô phỏng số cho thấy những ưu điểm
nhất định của đề xuất này.
Từ khóa: Điện toán biên di động MEC, bài toán tối ưu, quy hoạch tuyến tính, truyền thông D2D, hiệu năng.
I. GIỚI THIỆU
Sự bùng nổ của các thiết bị và dịch vụ di động trong thời gian gần đây đem lại rất nhiều tiện ích cho ngƣời dùng
và đã tạo ra một loạt các thách thức đối với hạ tầng mạng truyền thông. Các nhu cầu tính toán nhanh, hiệu quả của các
thiết bị đầu cuối đã đòi hỏi các giải pháp mạng mới. Hệ thống điện toán đám mây, mạng sƣơng mù và điện toán biên
(Edge Computing) là một trong các tiếp cận gần đây để giải quyết các nhu cầu xử lý tính toán và kết nối cho nền tảng
internet vạn vật IoT (Internet of Things) [1]. IoT hiện đang xâm nhập vào cuộc sống hàng ngày của chúng ta, cung cấp
các công cụ đo lƣờng và thu thập thông tin quan trọng để hỗ trợ các quyết định. Các cảm biến và thiết bị đầu cuối liên
tục tạo dữ liệu và trao đổi thông tin qua hạ tầng truyền thông không dây bao gồm các truyền thông giữa máy với máy
và tới các trung tâm tính toán thông minh. Là một chiến lƣợc để giảm bớt sự leo thang tắc nghẽn tài nguyên, điện toán
biên đã trở thành một mô hình mới để giải quyết các nhu cầu của IoT và điện toán địa phƣơng hóa. Bên cạnh khả năng
kết nối số lƣợng lớn thiết bị đầu cuối, việc giảm thời gian trễ truyền dẫn và hiệu quả năng lƣợng đã và đang là một chủ
đề đƣợc nhiều nhà nghiên cứu và triển khai quan tâm tới mô hình điện toán biên hiện nay [2, 3].
Điện toán biên di động MEC (Mobile Edge Computing) là một giải pháp tính toán phân tán tại biên mạng cho
các thiết bị di động kết nối qua các phƣơng tiện truyền dẫn không dây. MEC giảm áp lực tính toán tập trung cho điện
toán đám mây và giảm độ trễ xử lý thông tin cho các yêu cầu tính toán từ thiết bị đầu cuối. Kiến trúc phân tán, cân
bằng lƣu lƣợng này đƣợc triển khai trong trong hàng loạt các ứng dụng thực tế [4, 5]. Lĩnh vực nghiên cứu giảm tải
tính toán nhằm giải quyết việc gửi các tác vụ tới các thiết bị đóng vai trò hỗ trợ (Helper) và tới máy chủ MEC. Các máy
chủ có khả năng cung cấp nhiều tài nguyên tính toán hơn rất nhiều so với các thiết bị di động MD (Mobile Device)
nhƣng độ trễ kết nối truyền thông lại rất lớn so với các kết nối trực tiếp giữa các MD. Với các yêu cầu nhiệm vụ từ các
MD khác nhau, các chiến lƣợc cân giảm tải đƣợc đƣa ra để đồng thời thỏa mãn các ràng buộc để nâng cao hiệu năng
mạng sử dụng MEC. Vì vậy, các mục tiêu giảm tải thƣờng gồm giảm mức tiêu thụ năng lƣợng và thời gian thực hiện
bằng cách chia sẻ các nhiệm vụ theo yêu cầu [6, 7].
Nhằm thực hiện các chiến lƣợc giảm tải, các mô hình tính toán tập trung và phân tán tại vùng biên mạng đƣợc
tiến hành với các kiến trúc đám mây nhỏ hoặc phi đám mây [8, 9]. Các giải pháp tối ƣu dựa trên heuristic hoặc giải tích
toán học đƣợc đề xuất để tìm kiếm các hàm mục tiêu tối ƣu [10]. Tuy nhiên, theo sự hiểu biết tốt nhất của nhóm tác
giả, tiếp cận lựa chọn sử dụng luân phiên các helper trong các yêu cầu giảm tải chƣa đƣợc đề cập tới các nghiên cứu
trƣớc đây. Vì vậy, trong bài báo này sẽ trình bày một phƣơng pháp giảm tải tính toán trong hệ thống tính toán biên
nhằm tối ƣu năng lƣợng thiết bị di động trong khi đáp ứng các yêu cầu tính toán đầu vào cùng với độ trễ theo yêu cầu.
Bố cục của bài báo nhƣ sau: phần tiếp theo sẽ nêu rõ các nghiên cứu của các tác giả trƣớc có liên quan tới nội dung
nghiên cứu, phần III sẽ trình bài mô hình bài toán, các giả thiết và chuyển mạch mô phỏng và phần cuối cùng sẽ trình
bày về kết luận thu đƣợc cũng nhƣ hƣớng phát triển tiếp theo.
II. CÁC NGHIÊN CỨU LIÊN QUAN
Xu hƣớng của điện toán biên là xử lý dữ liệu ngay gần nguồn với sự hỗ trợ từ chính các thiết bị di động đầu
cuối. Các ứng dụng thông minh ngày càng tăng đã đặt ra các thách thức mới về xử lý dữ liệu thời gian thực cũng nhƣ
tối ƣu tài nguyên. Nhằm thực hiện việc giảm tải cho tính toán cục bộ tại thiết bị và máy chủ MEC, mô hình giảm tải
trong [11] đã đƣợc đề xuất theo kiểu nhị phân và từng phần các nhiệm vụ yêu cầu. Dựa trên một khung thời gian T, các
nhiệm vụ tính toán tại thiết bị di động, thiết bị hỗ trợ và tại điểm truy nhập AP đƣợc phân bổ và tối ƣu bằng phƣơng
pháp quy hoạch tuyến tính. Giải pháp này cho phép tối ƣu mức tiêu thụ năng lƣợng của quá trình thực hiện tính toán
- Hoàng Trọng Minh, Nguyễn Quốc Cƣờng, Dƣơng Thị Lan, Hoàng Thị Thu 289
toàn bộ các nhiệm vụ đƣợc yêu cầu với điều kiện độ trễ nghiêm ngặt. Tuy nhiên, bài báo đã không đề cập tới việc xử lý
cho các khung thời gian liên tiếp và chỉ sử dụng 01 thiết bị hỗ trợ giảm tải. Bằng kỹ thuật lập lịch, nhóm tác giả trong
[12] đã đề xuất giảm tải tự động theo thứ tự ƣu tiên nhiệm vụ. Với các dịch vụ có yêu cầu chặt chẽ về giới hạn trễ, tài
nguyên tính toán đƣợc phân bổ mức ƣu tiên cao và giảm thiểu đƣợc thời gian tính toán cũng nhƣ đem lại hiệu suất tính
toán hiệu quả. Mặc dù vậy, các bƣớc tiền xử lý mức độ ƣu tiên đồng thời trong cùng một khung thời gian là một trở
ngại lớn với các yêu cầu tiến gần thực tiễn.
Nhằm tìm kiếm chiến lƣợc giảm tải tối ƣu, một loạt đề xuất dựa trên lý thuyết trò chơi đã đƣợc đƣa ra. Các bài
toán tối ƣu đa mục tiêu về trễ và yêu cầu ứng dụng đƣợc khai thác thông qua các đặc trƣng cân bằng của lý thuyết trò
chơi [13]. Kết hợp giảm tải các nhiệm vụ cùng với điều khiển công suất, các tác giả trong [14] đã sử dụng kỹ thuật học
củng cố để xấp xỉ bài toán tối ƣu tài nguyên hữu ích cho các thiết bị di động nhằm tránh vấn đề NP-Hard. Các đề xuất
trên cho thấy, xu hƣớng cân bằng hóa các năng lƣợng của thiết bị đầu cuối trong các quá trình giảm tải là một vấn đề
then chốt trong mục tiêu cải hiện hiệu năng hệ thống MEC. Vì vậy, bài báo này sẽ tiếp cận bài toán cân bằng tải thông
qua sự lựa chọn thiết bị hỗ trợ hữu ích theo từng vòng truy nhập nhằm hƣớng tới tối ƣu tổng thể các năng lƣợng thiết bị
trong cả quá trình hoạt động. Các điều kiện đáp ứng yêu cầu nhiệm vụ đầu vào và giới hạn trễ sẽ đƣợc đảm bảo với
mục tiêu cân bằng năng lƣợng đƣợc tiếp cận bằng phƣơng pháp quy hoạch tuyến tính nguyên. Mô hình hệ thống, điều
kiện đầu vào và chứng minh kết quả của nghiên cứu sẽ đƣợc trình bày dƣới đây.
III. MÔ HÌNH BÀI TOÁN
Trong phần này mô tả đề xuất từ một mô hình điển hình của điện toán biên với các ký hiệu sử dụng trong
nghiên cứu. Giả thiết một hệ thống MEC gồm 3 thành phần cơ bản bao gồm thiết bị ngƣời dùng, phần tử hỗ trợ và điểm
truy cập AP đƣợc tích hợp máy chủ MEC nhƣ trong Hình 1.
Hình 1. Mô hình hệ thống điện toán biên di động MEC
Với giả thiết thiết bị ngƣời dùng di chuyển với xác suất nhất định giữa các ô phục vụ bởi phần tử hỗ trợ 1 và 2.
Để giải quyết vấn đề trên, hai phần tử hỗ trợ thay nhau giảm tải tính toán cho thiết bị ngƣời dùng nhằm tối ƣu năng
lƣợng tính toán, độ trễ giới hạn cũng nhƣ đảm bảo độ di động của ngƣời dùng. Các kí hiệu đƣợc mô tả trong bài toán
đƣợc biểu thị trong Bảng 1.
Bảng 1. Các thông số liên quan
li,u Số bit nhiệm vụ xử lý tại thiết bị ngƣời dùng vòng thứ i
li,h Số bit nhiệm vụ xử lý tại phần tử hỗ trợ vòng thứ i
li,a Số bit nhiệm vụ xử lý tại điểm truy cập AP vòng thứ i
C Chu kì CPU cần xử lý 1 bit
fu Khả năng xử lý tại thiết bị ngƣời dùng
fh Khả năng xử lý tại phần tử hỗ trợ
fa Khả năng xử lý tại điểm truy cập AP
k Hệ số điện dung
ra Tốc độ truyền tải từ thiết bị ngƣời dùng đến điểm truy cập AP
rh Tốc độ truyền tải từ thiết bị ngƣời dùng đến phần tử hỗ trợ Helper
Ptx Công suất truyền tải
Bài toán tập trung vào khối thời gian có thời lƣợng T* > 0, trong đó thiết bị ngƣời dùng cần xử lý tất cả các bit
nhiệm vụ đầu vào L > 0. Ta có L = {l1, l2, l3,...,ln} là tập hợp các bit cần xử lý của thiết bị ngƣời dùng. Với bit đầu vào li
có thể đƣợc chia làm 3 phần dành cho tính toán tại thiết bị ngƣời dùng, tính toán tại phần tử hỗ trợ và tính toán tại điểm
truy cập AP tƣơng ứng là li,u , li.h , li,a. Do đó ta có công thức [11]:
li,u +li,h + li,a = li . (1)
- 290 MỘT PHƢƠNG PHÁP GIẢM TẢI TỐI ƢU NĂNG LƢỢNG TRONG HỆ THỐNG ĐIỆN TOÁN BIẾN DI ĐỘNG
A. Mô hình tính toán và truyền tải tại thiết bị người dùng
1. Mô hình tính toán tại thiết bị người dùng.
Số lƣợng bit cần thiết để đƣợc xử lý tại thiết bị ngƣời dùng là li,u và do đó, nó cần li,u .C chu kỳ. Độ trễ của tính
toán tại thiết bị ngƣời dùng đƣợc kí hiệu là t và đƣợc tính nhƣ công thức [15] sau:
.
= (2)
Ta xem xét một mô hình thực thi nhiệm vụ điện áp thấp và năng lƣợng tiêu thụ bởi một chu kỳ CPU [15] đƣợc
tính bằng công thức k. trong đó k là hằng số điện dung. Năng lƣợng tiêu thụ tính toán tại thiết bị ngƣời dùng đƣợc
biểu diễn nhƣ công thức (3) dƣới đây:
= li,u .C.k. . (3)
Trong đó là năng lƣợng tiêu thụ tính toán của thiết bị ngƣời dùng tại vòng thứ i.
2. Mô hình truyền tải tại thiết bị người dùng.
Số bit đƣợc giảm tải cho thiết bị ngƣời dùng cần phải đƣợc chuyển đến cho phần tử hỗ trợ và điểm truy cập
trƣớc. Do đó, thời gian truyền tải đƣớc tính nhƣ công thức [15] sau:
.
= + (4)
Năng lƣợng tiêu thụ cho việc truyền tải tại thiết bị ngƣời dùng tƣơng ứng:
= .Ptx = ( ).Ptx . (5)
B. Mô hình tính toán và truyền tải tại phần tử hỗ trợ và điểm truy cập
1. Mô hình tính toán tại phần tử hỗ trợ
Phần tử hỗ trợ có tính toán hạn chế vì năng lƣợng hạn chế so với điểm truy cập. Khả năng tính toán tải phần tử
hỗ trợ đƣợc ký hiệu là fh. Khối lƣợng công việc của phần tử hỗ trợ từ thiết bị ngƣời dùng lần thứ i là li,h và số chu kỳ
tính toán của của nó là li,h .C. Thời gian tính toán tại phần tử hỗ trợ đƣợc tính nhƣ [15] sau:
.
= (6)
Năng lƣợng tiêu thụ cho việc tính toán tại phần tử hỗ trợ biểu diễn dƣới dạng:
= li,h .C.k. . (7)
Sau khi tính toán tại phần tử hỗ trợ, số bit đƣợc cắt giảm cho thiết bị ngƣời dùng đƣợc truyền về từ phần tử hỗ
trợ. Do đó, thời gian truyền tải tƣơng ứng nhƣ sau:
.
= (8)
Năng lƣợng tiêu thụ cho việc truyền tải tại phần tử hỗ trợ đƣợc biểu diễn nhƣ sau:
= .Ptx . (9)
Tổng trễ tại phần tử hỗ trợ đƣợc tạo thành từ trễ truyền dẫn và trễ tính toán dƣới dạng:
= + 2. . (10)
2. Mô hình tính toán tại điểm truy cập
Bỏ qua năng lƣợng tính toán và năng lƣợng truyền dẫn tại điểm truy cập, ta chỉ xét đến trễ tính toán và trễ
truyền dẫn từ điểm truy cập đến thiết bị ngƣời dùng. Khối lƣợng công việc của điểm truy cập truyền tải từ thiết bị
ngƣời dùng lần thứ i là và số chu kỳ tính toán của nó là . Thời gian tính toán tại điểm truy cập tƣơng ứng nhƣ
công thức [15] sau:
.
= (11)
Sau khi tính toán tại điểm truy cập, số bit đƣợc cắt giảm cho thiết bị ngƣời dùng đƣợc truyền về từ điểm truy
cập. Do đó, thời gian truyền tải thực tế nhƣ sau:
.
= (12)
Tổng trễ tại điểm truy cập bao gồm trễ tính toán và trễ truyền dẫn tƣơng ứng:
= + 2. . (13)
- Hoàng Trọng Minh, Nguyễn Quốc Cƣờng, Dƣơng Thị Lan, Hoàng Thị Thu 291
C. Xây dựng bài toán
Dựa trên phƣơng trình (3) và phƣơng trình (5), mức tiêu thụ năng lƣợng của thiết bị ngƣời dùng bao gồm năng
lƣợng tính toán và năng lƣợng truyền tải đƣợc biểu diễn dƣới dạng:
Eu= + . (14)
Nhiệm vụ của thiết bị ngƣời dùng đƣợc thực hiện song song trong ba thành phần (thiết bị ngƣời dùng, phần tử
hỗ trợ và điểm truy cập) và độ trễ thực thi τi nhƣ sau:
τi = max { , , }. (15)
Vấn đề về hiệu quả năng lƣợng trong việc xử lý các bit nhiệm vụ dựa trên giới hạn về thời gian đƣợc xây dựng
nhƣ sau.
P: Min∑ = + + + (16)
s.t:
li,u +li,h + li,a = li (16a)
+ Eu (16b)
+ Eh (16c)
T* (16d)
*
T (16e)
T* (16f)
Trong đó T* là giới hạn thời gian tối đa để xử lý xong toàn bộ nhiệm vụ. (16a) biểu thị ràng buộc phân vùng nhiệm vụ,
(16b) và (16c) là các ràng buộc về năng lƣợng hiện có tại thiết bị ngƣời dùng và phần tử hỗ trợ, (16d) (16e) và (16f)
biểu thị các ràng buộc về thời gian. Lƣu ý rằng vấn đề (16) áp dụng phƣơng pháp quy hoạch tuyến tính nguyên (ILP)
nên ta hoàn toàn có thể giải quyết một cách hiệu quả thông qua các kĩ thuật tối ƣu hóa lồi tiêu chuẩn nhƣ phƣơng pháp
điểm bên trong.
D. Thuật toán mã giả
Thuật toán 1:
Đầu ra: Compute minimum energy of system
Divide the amount of each task for User,Helper and Access Point
Thuật toán 1
1. L = [array of 2 helper's task]
2. alpha = random(2 to length(L-1))
3. For j=1:1:length(L)
4. For each task:
5. Compute energy in user using equation(3)
6. Compute consume energy in helper using equation(9) and (7)
7. Compute transmission energy using equation(5)
8. End For
9. If j > 1
10. remaining energy of the user and the helper after (j-1) task processing
11. End If
12. Constraints on processing energy and transmitted energy on user using equation (16b)
13. Constraints on the number of task using equation (16a)
14. Constraints energy on a helper using equation (16c)
15. Constraints on delay at the helper using equation (16e)
16. Constraints on processing delay on the user using equation (16d)
17. Constraints delay at AP using equation (16f)
18. Using CPLEX (total of Constraints) to Compute
19. End For
Thuật toán 2:
Đầu ra: Compute minimum energy of system
Divide the amount of each task for User,Helper and Access Point and hand off Helper
- 292 MỘT PHƢƠNG PHÁP GIẢM TẢI TỐI ƢU NĂNG LƢỢNG TRONG HỆ THỐNG ĐIỆN TOÁN BIẾN DI ĐỘNG
Thuật toán 2:
1. L = [array of 2 helper's task]
2. alpha = random(2 to length(L-1))
3. For j=1:1:length(L)
4. If j < alpha:
5. helper is helper_1
6. Else:
7. helper is helper_2
8. End
9. End For
Thuật toán 3:
Đầu ra: Compute minimum energy of system
Divide the amount of each task for User,Helper and Access Point and choose Helper
Thuật toán 3
1. L = [array of 2 helper's task]
2. H1 = [array of helper_1's task]
3. H2 = [array of helper_2's task]
4. alpha = random(2 to length(L-1))
5. For j=1:1:length(L)
6. Lh1 = Eh1/(C*k*fh*fh) - H1(j)
7. Lh2 = Eh2/(C*k*fh*fh) - H2(j)
8. If Lh1 > Lh2
9. Eh = Eh1
10. Else
11. Eh = Eh2
12. End
13. End For
IV. KẾT QUẢ MÔ PHỎNG VÀ THẢO LUẬN
Trên đây đề xuất giải pháp quy hoạch tuyến tính nguyên (ILP) nhằm tối ƣu năng lƣợng tiêu thụ trong hệ thống
MEC với nhiều vòng truy nhập. Vì vậy, các điều kiện ràng buộc về năng lƣợng tiêu thụ tính toán cục bộ, truyền tải trên
mỗi thành phần và giới hạn về độ trễ nhằm đƣa ra phƣơng án tối ƣu nhất từ vô số các phƣơng án quyết định. Do đó, để
kiểm chứng mô hình, phần mềm CPLEX đƣợc sử dụng để tính toán tối ƣu hóa tổng năng lƣợng tiêu thụ.
Đặc trƣng của năng lƣợng phụ thuộc vào số bit nhiệm vụ đầu vào đƣợc biểu diễn nhƣ trong Hình 2. Số bit
nhiệm vụ tính toán tại phần tử hỗ trợ cắt giảm từ thiết bị ngƣời dùng giảm dần sau mỗi vòng, ngƣợc lại số bit tính toán
tại điểm truy cập cắt giảm từ thiết bị ngƣời dùng tăng lên. Vì vậy, kết quả bằng số đƣợc đƣa ra để đánh giá thực hiện
phân bổ tính toán lƣợng bit đầu vào trong ba kịch bản dƣới đây:
Kịch bản 1: Lập lịch tính toán: Hệ thống gồm ba nút cơ bản gồm thiết bị ngƣời dùng, phần tử hỗ trợ và điểm
truy cập.
Kịch bản 2: Lập lịch tính toán và thay đổi phần tử hỗ trợ: Hệ thống gồm thiết bị ngƣời dùng, phần tử hỗ trợ,
điểm truy cập và phần tử hỗ trợ dự phòng.
Kịch bản 3: Lập lịch tính toán và lựa chọn phần tử hỗ trợ: Hệ thống gồm thiết bị ngƣời dùng, phần tử hỗ trợ
thứ nhất, phần tử hỗ trợ thứ hai và điểm truy cập.
Hình 2. Phân bố các bit nhiệm vụ khi có một phần tử hỗ trợ
- Hoàng Trọng Minh, Nguyễn Quốc Cƣờng, Dƣơng Thị Lan, Hoàng Thị Thu 293
Giả thiết bộ tham số đầu vào ba kịch bản mô phỏng là cố định. Các bit nhiệm vụ tại mỗi vòng thiết bị ngƣời
dùng thay đổi tăng dần trong khoảng 600 < li < 4000 (bits) trong đó chu kỳ CPU = 250 (chu kỳ/bit), độ trễ T* = 0,45 s.
Khả năng tính toán cục bộ tại thiết bị ngƣời dùng = 2,85.105 (chu kỳ/s) và hệ số điện dung k = 10-28 [16]. Ngoài ra,
khả năng tính toán tại phần tử hỗ trợ và điểm truy cập lần lƣợt là = 15,105 (chu kỳ/s), = 20,105 (chu kỳ/s). Công
suất truyền tải tối đa Ptx = 0,0002 watts. Tốc độ truyền tải từ thiết bị ngƣời dùng đến phần tử hỗ trợ là r = 105 (bit/s).
Với năng lƣợng khởi tạo ban đầu = 3,10-3 (J), = 2,5.10-6 (J) năng lƣợng sẽ thay đổi phụ thuộc vào các vòng
nhiệm vụ tính toán.
Sau mỗi nhiệm vụ tính toán, khả năng tính toán của phần tử hỗ trợ giảm dần phụ thuộc vào năng lƣợng còn lại
sau mỗi nhiệm vụ cắt giảm. Các bit nhiệm vụ cắt giảm tại phần tử hỗ trợ (đƣờng màu xanh biển) biểu thị khả năng tính
toán nhiệm vụ giảm dần tuyến tính dựa theo mức năng lƣợng còn lại.
Hình 3. Phân bố các bit nhiệm vụ kết hợp chuyển đổi phần tử hỗ trợ
Giả định tại một thời điểm bất kỳ thiết bị ngƣời dùng ra khỏi vùng phủ của phần tử hỗ trợ 1. Sự chuyển đổi các
bit nhiệm vụ từ phần tử hỗ trợ 1 và 2 đƣợc biểu thị nhƣ trên Hình 3. Do đó, tính tƣơng tác giữa hai phần tử hỗ trợ cho
thấy tính linh hoạt và di động của thiết bị ngƣời dùng vẫn đƣợc đảm bảo. Bên cạnh đó, nhằm lựa chọn phần tử hỗ trợ
dựa trên năng lƣợng, ta có mô tả kết quả mô phỏng nhƣ Hình 4 dƣới đây.
Hình 4. Phân bố các bit nhiệm vụ kết hợp chọn phần tử hỗ trợ
Trong Hình 4, tại mỗi vòng nhiệm vụ tính toán thay vì lựa chọn phần tử hỗ trợ ngẫu nhiên tại thời điểm bất kỳ
thì ta có giải pháp lựa chọn dựa trên năng lƣợng. Phần tử hỗ trợ có mức năng luợng cao hơn sẽ đƣợc ƣu tiên đƣợc chọn
cắt giảm tính toán. Vì vậy, tổng năng lƣợng tiêu thụ của toàn bộ phần tử mạng sẽ tối thiểu và duy trì thời gian sống của
các thiết bị di động trong mạng.
V. KẾT LUẬN
Bằng việc sử dụng phƣơng pháp quy hoạch tuyến tính nguyên, vấn đề tối ƣu năng lƣợng tổng thể của các thiết
bị di động theo nhiều vòng đã đƣợc giải quyết trong hệ thống MEC. Các điều kiện đầu vào nhiệm vụ biến thiên và ràng
buộc về trễ đƣợc tính toán và phân bổ hợp lý tới các phần tử hỗ trợ. Các kết quả mô phỏng cho thấy khả năng đáp ứng
đƣợc các mạng có thiết bị di động không thuần nhất về khả năng xử lý cục bộ và có kế hoạch giảm tải hiệu quả. Dựa
trên nền tảng của bài báo này có thể mở rộng quy mô với nhiều thiết bị ngƣời dùng hoặc xây dựng chiến lƣợc tính toán
thông minh để lựa chọn thiết bị hỗ trợ với độ phức tạp thuật toán tiếp cận môi trƣờng thực và đó cũng là hƣớng nghiên
cứu tiếp theo của nghiên cứu này.
- 294 MỘT PHƢƠNG PHÁP GIẢM TẢI TỐI ƢU NĂNG LƢỢNG TRONG HỆ THỐNG ĐIỆN TOÁN BIẾN DI ĐỘNG
TÀI LIỆU THAM KHẢO
[1] N. Abbas, Y. Zhang, A. Taherkordi and T. Skeie, "Mobile Edge Computing: A Survey", in IEEE Internet of
Things Journal, Vol. 5, No. 1, pp. 450-465, Feb 2018.
[2] X. Xu et al., “A computation offloading method over big data for IoT-enabled cloud-edge computing”, Future.
Generation. Computer. Systems, Vol. 95, pp. 522-533, 2019.
[3] L. Huang, S. Bi and Y. J. Zhang, "Deep Reinforcement Learning for Online Computation Offloading in Wireless
Powered Mobile-Edge Computing Networks", in IEEE Transactions on Mobile Computing.
[4] Z. Ning, J. Huang, X. Wang, J. J. P. C. Rodrigues and L. Guo, "Mobile Edge Computing-Enabled Internet of
Vehicles: Toward Energy-Efficient Scheduling", in IEEE Network, Vol. 33, No. 5, pp. 198-205, Sept.-Oct. 2019.
[5] A. H. Sodhro, Z. Luo, A. K. Sangaiah, and S. W. Baik, "Mobile edge computing based QoS optimization in
medical healthcare applications", Int. J. Inf. Manage., Vol. 45, pp. 308-318, 2019.
[6] P. Zhao, H. Tian, C. Qin, G. Nie, "Energy-Saving Offloading by Jointly Allocating Radio and Computational
Resources for Mobile Edge Computing", IEEE Access 5 (2017).
[7] J. Zhang, X. Hu, Z. Ning, E. C. Ngai, L. Zhou, J. Wei, J. Cheng, B. Hu, "Energy-latency Trade-off for Energy-
aware Offloading in Mobile Edge Computing Networks", IEEE Internet Things J. 4662 (c) (2017).
[8] J. Ren, G. Yu, Y. Cai, Y. He, "Latency optimization for resource allocation in mobile-edge computation
offloading", IEEE Trans. Wirel. Commun. 17 (8) (2018).
[9] L. Yang, H. Zhang, X. Li, H. Ji, V. C. Leung, "A Distributed Computation Offloading Strategy in Small-Cell
Networks Integrated With Mobile Edge Computing", IEEE/ACM Trans. Netw. (2018).
[10] Q.-V. V. Pham, T. Leanh, N. H. Tran, B. J. Park, C. S. Hong, "Decentralized Computation Offloading and
Resource Allocation for Mobile-EdgeComputing: A Matching Game Approach", IEEE Access 6 (2018).
[11] X. Cao, F. Wang, J. Xu, R. Zhang and S. Cui, "Joint computation and communication cooperation for energy-
efficient mobile edge computing", IEEE Internet Things J., Vol. 6, No. 3, pp. 4188-4200, 2019.
[12] H. A. Alameddine, S. Sharafeddine, S. Sebbah, S. Ayoubi, and C. Assi, "Dynamic Task Offloading and
Scheduling for Low-Latency IoT Services in Multi-Access Edge Computing", IEEE J. Sel. Areas Commun., Vol.
37, No. 3, pp. 668-682, 2019.
[13] Shakarami, A., Shahidinejad, A., Ghobaei‐Arani, M. “A review on the computation offloading approaches in
mobile edge computing: A game‐theoretic perspective”. Software: Practice and Experience, 2020.
[14] Zhang, Bingxin & Zhang, Guopeng & Sun, Weice & Yang, Kuanli. “Task Offloading with Power Control for
Mobile Edge Computing Using Reinforcement Learning-Based Markov Decision Process”, Mobile Information
Systems. 2020.
[15] Y. Pei, Z. Peng, Z. Wang, and H. Wang, "Energy-Efficient Mobile Edge Computing: Three-Tier Computing under
Heterogeneous Networks", Wirel. Commun. Mob. Comput., Vol. 2020, p. 6098786, 2020.
[16] F. Wang, J. Xu, X. Wang and S. Cui, "Joint Offloading and Computing Optimization in Wireless Powered Mobile-
Edge Computing Systems", in IEEE Transactions on Wireless Communications, Vol. 17, No. 3, pp. 1784-1797,
March 2018.
AN OPTIMAL METHOD FOR OPTIMIZING ENERGY CONSUMPTIONS
IN MOBILE EDGE COMPUTING SYSTEM
Hoang Trong Minh, Nguyen Quoc Cuong, Duong Thi Lan, Hoang Thi Thu
ABSTRACT: Currently, edge computing technology has been attracting a lot of research due to its ability to
provide distributed computing, energy optimization, and improved processing speed for terminals. The advantages of
edge computing access are achieved by sharing computing tasks between devices and access devices at the network
edge. The solution of off-loading for supporting devices to calculate part of the task instead of transferring the whole
calculation to the mobile computing edge device MEC (Mobile Edge Computing) is the core of the approach. to reduce
latency and speed up processing. However, this is a multi-objective optimization problem with multiple constraints and
belongs to the class of NP-Hard problems. Therefore, a series of approaches to improve edge computing network
performance through load-sharing solutions are still under study. In this paper, a load-sharing mechanism is
implemented alternatively for auxiliary equipment to optimize the overall power of the equipment while satisfying the
delay and delay binding conditions. maths. The proposed algorithm is proved by numerical simulation method that
shows certain advantages of this proposal.
nguon tai.lieu . vn
