Con el desarrollo de la computación móvil en nube y la mejora de los requisitos de rendimiento de los terminales móviles por parte de los usuarios, transferir los complejos requisitos de computación y almacenamiento de los terminales móviles a la nube para su procesamiento es una tendencia inevitable de la computación móvil en nube. Por lo tanto, cómo reducir el consumo de energía de los terminales móviles y las nubes , Mejorar la utilización de la energía y mejorar la experiencia del usuario son una de las cuestiones clave que la computación en nube verde necesita resolver urgentemente. Este trabajo estudia principalmente el problema de optimización del consumo de energía en el proceso de transmisión de datos de la computación en nube móvil y propone un método para minimizar los datos unitarios basado en la teoría de parada óptima. La estrategia de transmisión del consumo medio de energía; la estrategia de transmisión óptima basada en el problema del secretario. Mediante la construcción de un modelo de cola de transmisión de datos con múltiples aplicaciones, en el problema del secretario basado en la media de clasificación absoluta mínima de los candidatos seleccionados, se propone dejar pasar k candidatos Después de ver las reglas de excelencia, se demuestra que existe un valor óptimo de k para esta regla. Los resultados de la simulación muestran que la estrategia de optimización propuesta en este artículo tiene un menor consumo medio de energía por unidad de datos, mejor eficiencia en el consumo de energía y mejor eficiencia en la detección. .
Con el rápido desarrollo y la aplicación generalizada de los dispositivos móviles, terminales como los teléfonos móviles y los PAD se han convertido en los principales dispositivos para que la gente chatee, se entretenga y trabaje. Sin embargo, los terminales móviles están limitados por su tamaño y energía, y siempre tienen una potencia de cálculo y un espacio de almacenamiento débiles. Diversos problemas, como su pequeño tamaño y la escasa duración de la batería [1. Por lo tanto, para compensar las diversas deficiencias de los terminales móviles, la transferencia de requisitos complejos de computación y almacenamiento a la nube para su procesamiento es una tendencia inevitable en la computación en nube móvil. Según las estadísticas, a partir de 2017 , el tráfico móvil en la nube ya representa 84% de todo el tráfico móvil. Y según la predicción de IDC, el volumen total mundial de datos móviles alcanzará los 40.000 EB en 2020, con una tasa de crecimiento anual compuesta de 36%, y el tráfico móvil en la nube representará 94% de todo el tráfico móvil. ; Y China Internet
La tasa de crecimiento del tráfico de datos de Internet es aún más destacada. En 2020, el tráfico de datos de Internet de China alcanzará los 8806 EB, lo que supondrá 22% de la producción mundial de datos, con una tasa de crecimiento anual compuesta de 49%. Esto plantea nuevos requisitos para la eficiencia de la transmisión de datos entre los terminales móviles y la nube. Un reto enorme. Una mejor estrategia de transmisión de datos puede ahorrar el consumo de energía de los terminales móviles, optimizarlos y mejorar su rendimiento. Por lo tanto, este trabajo optimiza el consumo de energía de los terminales móviles y la transmisión de datos en la nube en la computación en nube móvil. Además, se propone una estrategia de optimización basada en la teoría de parada óptima para reducir el consumo energético de los terminales móviles, mejorar la utilización de la energía, aumentar la experiencia del usuario y sentar unas bases sólidas para promover el desarrollo de la computación móvil en nube.
El canal de transmisión de datos de la computación en nube móvil es el mismo que el canal inalámbrico tradicional de Internet, que se actualiza en tiempo real con los cambios en el tiempo y el espacio [2]. Si la potencia de transmisión del terminal móvil
Sin cambios, cuanto mayor sea la velocidad de transmisión, mayor será la cantidad de datos transmitidos en el mismo tiempo y menor será el consumo medio de energía por unidad de datos. Además, si el terminal móvil observa continuamente las condiciones del canal del enlace inalámbrico, seleccionar Enviar datos en un momento de buena calidad puede reducir en gran medida el consumo de energía de la transmisión de datos.
De hecho, el problema de los terminales móviles que seleccionan momentos con mejores condiciones de canal para transmitir datos es un problema de programación oportunista distribuida. 3. Podemos utilizar la regla de parada óptima para resolver este problema. La regla de parada óptima es una regla de decisión basada en variables aleatorias observadas continuamente. Con el objetivo de maximizar las recompensas o minimizar los costes esperados, se decide elegir un momento adecuado para tomar un comportamiento determinado. En la investigación de los estudiosos, la teoría de parada óptima ha resuelto muchos problemas de optimización. Por ejemplo, la literatura [4] adopta la teoría de la parada óptima. La teoría de la parada óptima estudia el problema de la programación óptima del consumo de información en redes autoorganizadas. La literatura [5] utiliza la teoría de parada óptima en redes móviles para estudiar el problema de optimización del consumo de energía de múltiples terminales emisores que utilizan el mismo canal para la distribución de datos. Literatura [6] La teoría de parada óptima se utiliza para obtener la recompensa esperada óptima del nodo de retransmisión óptimo, logrando así la estrategia de enrutamiento óptima energéticamente eficiente.
En el problema de la regla de parada óptima, nuestro objetivo es encontrar en la función de coste
Una regla de parada cuando la tasa de transmisión es máxima, y este algoritmo se utiliza para minimizar el consumo medio de energía por unidad de datos. Este artículo estudia principalmente la computación móvil en nube
Para el problema de optimización del consumo de energía en el proceso de transmisión de datos, se propone una estrategia de optimización del consumo de energía en la transmisión de datos basada en reglas de parada óptimas. Las ideas específicas de la investigación son las siguientes: bajo una tasa de generación de datos dada, mediante la construcción de un modelo de cola de transmisión de datos con múltiples aplicaciones , En el problema de secretaría basado en la media de clasificación absoluta mínima de los candidatos seleccionados, se propone una regla para dejar pasar k candidatos y luego aceptar los mejores candidatos. El consumo de energía y el retardo en el proceso de transmisión se tienen en cuenta de forma exhaustiva para minimizar el consumo medio de energía de la unidad de datos.
La estructura organizativa de este documento es la siguiente: La sección 2 presenta trabajos de investigación relacionados; la sección 3 explica el modelo del sistema y las teorías relacionadas; la sección 4 analiza la estrategia de optimización para minimizar el consumo de energía esperado basándose en la teoría de parada óptima; la sección 5 lleva a cabo experimentos de simulación y análisis Resultados experimentales; por último, la sección 6 resume el texto completo y analiza los próximos trabajos de investigación.
Trabajos de investigación relacionados
En los últimos años, los estudiosos han investigado mucho cómo reducir el consumo de energía de los terminales móviles y las nubes durante el proceso de transmisión de datos de la computación móvil en nube. Los investigadores se centran principalmente en dos direcciones: en primer lugar, optimizar los modelos de datos en terminales móviles y nubes para reducir el consumo de energía; La segunda es optimizar el algoritmo para reducir el consumo de energía durante el proceso de transmisión de datos.
En el estudio de la optimización del consumo de energía del terminal móvil y la nube, la literatura [2] construyó una plataforma móvil asistida por la nube. Basándose en esta plataforma, las aplicaciones móviles pueden ejecutarse en el terminal móvil o en la nube. Cuando se ejecuta el programa en el terminal móvil , se optimiza el consumo de energía ajustando la frecuencia de la CPU; cuando se ejecutan programas en la nube, se minimiza el consumo de energía optimizando la tasa de transmisión de datos. La literatura [7] propone un sistema colaborativo de nube móvil. El sistema forma múltiples alianzas UE (User Equipment) Y recibir parte de los datos solicitados a la estación base, y luego intercambiar los datos recibidos entre sí, lo que ahorra en gran medida el costo de tiempo y consumo de energía. La literatura [8] propone un marco de colaboración conjunta y selección de canal para la descarga de datos de terminales móviles, que se ejecuta de forma cooperativa. Los datos se descargan en la nube; y se diseña un algoritmo de selección de canal distribuido utilizando el método de aproximación de Markov, de modo que cada terminal móvil pueda organizarse en una estructura estable sin intercambio de información en toda la red, y sólo realice datos entre dispositivos móviles en el mismo canal. Intercambio. La literatura [9] propone un modelo de descarga conjunta. Los dispositivos móviles pueden realizar tareas localmente, descargar tareas a otros dispositivos móviles o transmitir directamente tareas a la nube para su ejecución según la asignación del controlador del modelo; y se utiliza la tecnología de huella digital para describir cada tarea. Similitud, los dispositivos móviles pueden compartir entre sí recursos informáticos para tareas similares con el fin de lograr una ralentización
El objetivo es resolver la presión del tráfico de datos y reducir el consumo de energía de los terminales móviles. La literatura [10] realiza una colaboración conjunta entre dispositivos móviles pobres en energía y pobres en datos para compartir recursos. Cuando los dispositivos móviles descargan tareas de computación en la nube, el dispositivo móvil pobre en energía y el dispositivo móvil pobre en datos recogen energía del dispositivo móvil pobre en datos a través de la estrategia de división de energía, y el dispositivo móvil pobre en energía también ayudará al dispositivo móvil pobre en datos a realizar cálculos.
En el estudio de la optimización del consumo de energía en el proceso de transmisión de datos de la computación móvil en la nube, la literatura [11] propuso un protocolo de transmisión adaptable a la capa de aplicación. Este protocolo utiliza un marco de optimización estocástica para decidir a través de un algoritmo en línea de baja complejidad y baja sobrecarga. si la conexión inalámbrica es eficiente. Este artículo no establece un umbral para juzgar si la conexión inalámbrica es eficiente, sino que toma decisiones de transmisión de forma adaptativa para lograr un equilibrio de retardo de energía multiaplicación. La literatura [12] propone un nuevo algoritmo de optimización de la transmisión de datos: Algoritmo DTM. Este artículo añade una capa de servidor proxy entre la nube y el terminal móvil. Esta capa se encarga de procesar las peticiones del terminal móvil y las respuestas de la nube; el algoritmo DTM utiliza paralelamente
La tecnología de procesamiento y almacenamiento en caché optimiza las tareas de transmisión y ayuda a reducir el consumo de energía de los dispositivos móviles y el tiempo de espera de los usuarios, al tiempo que garantiza la calidad de la transmisión de datos. Bibliografía
[13] propuso una novedosa tecnología de precarga en línea, que realiza la predicción y la precarga simultáneamente dentro de un periodo de tiempo, predice los datos en tiempo real y evita la precarga de una gran cantidad de datos innecesarios. La literatura [14] se basa en un sistema MCO (Mobile computation offloading) monousuario que propone una tecnología de prefetching online. Esta tecnología integra a la perfección la predicción de cálculo a nivel de tarea y la precarga en tiempo real cuando el programa se está ejecutando. Cuando la posibilidad de que se ejecuten los datos supera el umbral, se prefetchan los datos que se van a utilizar, y la escala de prefetching de datos aumenta linealmente con la posibilidad de que se ejecuten los datos. Basándose en la optimización de Lyapunov, la literatura [15] propuso un nuevo método eficiente en el proceso de transmisión de datos entre terminales móviles y nubes. Una potente estrategia de transmisión de datos. Esta estrategia captura de forma activa y adaptativa los datos de uso frecuente cuando el estado del canal es bueno, al tiempo que satisface el retardo temporal, para evitar el consumo innecesario de energía causado por la recuperación de datos cuando el estado del canal es malo. Literatura [16] Optimización del compromiso entre consumo de energía y retardo desde la perspectiva del usuario. Este trabajo considera tres dominios QoE (Quality of Experience), deriva una función de coste QoE-aware que incluye energía y retardo, y propone un algoritmo eficiente de optimización de programas dinámicos aproximados. La literatura [17] utiliza la teoría de colas para estudiar en profundidad la optimización conjunta del consumo de energía, el retardo y el coste de pago en el proceso de descarga de datos en sistemas de fog computing. Se establecen diferentes modelos de colas para terminales móviles, terminales de niebla y terminales en la nube respectivamente. Utilizando el método de escalarización, el problema de optimización multi-objetivo se convierte en un problema de optimización mono-objetivo, logrando así el propósito de reducir el consumo de energía de los terminales móviles.
En resumen, aunque los investigadores han optimizado el consumo de energía de los terminales móviles y las nubes en la computación móvil en nube y el proceso de transmisión de datos, no han considerado de forma exhaustiva factores como la llegada dinámica de datos y el retardo. Por lo tanto, este artículo se basa en la teoría de la parada óptima, considerando de forma exhaustiva factores como el consumo de energía, el ancho de banda y el retardo, y minimizando el consumo medio de energía por unidad de transmisión de datos bajo la premisa de la llegada dinámica de datos.
Palabras clave: Pasarela de Internet de las Cosas