رایانش در لبه های تلفن همراه برای برنامه های اینترنت اشیا
ترجمه نشده

رایانش در لبه های تلفن همراه برای برنامه های اینترنت اشیا

عنوان فارسی مقاله: رایانش خود مختار تخلیه ای در لبه های تلفن همراه برای برنامه های اینترنت اشیا
عنوان انگلیسی مقاله: Autonomic computation offloading in mobile edge for IoT applications
مجله/کنفرانس: نسل آینده سیستم های کامپیوتری – Future Generation Computer Systems
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، فناوری اطلاعات، فناوری اطلاعات و ارتباطات
گرایش های تحصیلی مرتبط: رایانش ابری، شبکه های کامپیوتری، اینترنت و شبکه های گسترده، مخابرات سیار
کلمات کلیدی فارسی: تخلیه محاسباتی، محاسبات خودکار، محاسبه لبه /مه موبایل، یادگیری عمیق Q
کلمات کلیدی انگلیسی: Computation offloading, Autonomic computing, Mobile edge/fog computing, Deep Q- learning
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master journals – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2018.07.050
دانشگاه: Department of Computer Science and Engineering – BRAC University – Bangladesh
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 4.639 در سال 2017
شاخص H_index: 85 در سال 2019
شاخص SJR: 0.844 در سال 2019
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): Q1 در سال 2019
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 9
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
کد محصول: E9425
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- State-of-the-arts computation offloading methods


3- System model of mobile fog computing


4- Deep Q-learning based autonomic computation offloading


5- Performance evaluation


6- Conclusion


Acknowledgment


References

نمونه متن انگلیسی مقاله

Abstract


Computation offloading is a protuberant elucidation for the resource-constrained mobile devices to accomplish the process demands high computation capability. The mobile cloud is the well-known existing offloading platform, which usually far-end network solution, to leverage computation of the resource-constrained mobile devices. Because of the far-end network solution, the user devices experience higher latency or network delay, which negatively affects the real-time mobile Internet of things (IoT) applications. Therefore, this paper proposed near-end network solution of computation offloading in mobile edge/fog. The mobility, heterogeneity and geographical distribution mobile devices through several challenges in computation offloading in mobile edge/fog. However, for handling the computation resource demand from the massive mobile devices, a deep Q-learning based autonomic management framework is proposed. The distributed edge/fog network controller (FNC) scavenging the available edge/fog resources i.e. processing, memory, network to enable edge/fog computation service. The randomness in the availability of resources and numerous options for allocating those resources for offloading computation fits the problem appropriate for modeling through Markov decision process (MDP) and solution through reinforcement learning. The proposed model is simulated through MATLAB considering oscillated resource demands and mobility of end user devices. The proposed autonomic deep Q-learning based method significantly improves the performance of the computation offloading through minimizing the latency of service computing. The total power consumption due to different offloading decisions is also studied for comparative study purpose which shows the proposed approach as energy efficient with respect to the state-of-the-art computation offloading solutions.


Introduction


The massive growth of mobile devices (e.g. smart phones, laptops, tablet pc’s, mobile IoT’s and automobiles) and their computation demands imposed a huge scarcity in communication network and computation resources. Some of the application services e.g. image processing and real-time translation services require extensive computation, the resource-constrained mobile devices are not the feasible domiciles to process those applications. Therefore, ∗ Corresponding author. E-mail address: mmhassan@ksu.edu.sa (M.M. Hassan). to meet the computation demands of such type of mobile devices and applications the outsourcing of computation is the demand in need. Computation offloading is a relocation mechanism of processes or modules of software applications or systems from resourceconstrained devices to the resource-rich platforms. Mobile cloud is the well-known platform for computation offloading of mobile devices. Mobile cloud computing is becoming a popular method for mobile services e.g. mobile video games, video streaming, education, social networking, messenger and mobile healthcare services [1].

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

رایانش در لبه های تلفن همراه برای برنامه های اینترنت اشیا
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها