Opbouw van het energieverbruikminimalisatieprobleem
Gebaseerd op het datatransmissiemodel in het vorige hoofdstuk, als het zendvermogen van de mobiele terminal P is, dan is het energieverbruik van één datatransmissie met m P-t. Ervan uitgaande dat het aantal keren voor een ronde van kanaaldetectie met m N is, dan is een ronde van kanaalbandbreedtedetectie Het totale energieverbruik voor meting en gegevensoverdracht is: Emx=N-E, P - t.
Als het mobiele eindapparaat herhaaldelijk de gegeven regel RMB-ronde voor toepassing m gebruikt, dan is de volgorde van de stoptijdnummers {N, N,...,N,...,Ny| en de volgorde van het totale energieverbruik {Ex, Ex,..., gegenereerd door de RMB-ronde),Ex ,...,Exy}.waarbij,N. het stoptijdnummer van het hoofdwiel aangeeft. E het totale energieverbruik is wanneer het hoofdwiel stopt bij N. Wanneer het m-de wiel stopt bij N, is de totale tijd die de mobiele terminal doorbrengt de detectietijd ATx, =T-N, en de transmissietijd t, die ATx. t. De hoeveelheid gegevens die moet worden verzonden is Q1). Dan is de hoeveelheid gegevens die in deze ronde niet wordt verzonden Lmx:
Als het mobiele eindapparaat het minimale gemiddelde energieverbruik per gegevenseenheid verkrijgt na het kanaal N keer continu te hebben waargenomen, dan is N de optimale stoptijd. Omdat het mobiele eindapparaat minstens één
subkanaalbandbreedte, dus de optimale stoptijd N≥1. De maximale transmissievertraging van de te verzenden gegevens is Dm. Definieer Z=LDm/T", dan is 1≤n≤N≤Z.
Volgens de stelling van grote getallen convergeert vergelijking (7) naar ME[E,]/E[Q 1)-Ly]. Daarom construeren we een stoptijd 1≤N≤Z om ME[Ex]/EL[Q *1)-L] te minimaliseren. Deze regel wordt afgeleid uit de kanaaltransmissiesnelheid r die tijdens het interval T wordt gedetecteerd en de detectietijdreeks AT, en genereert de energieverbruikreeks Ex, de gegevensvolumereeks die moet worden verzonden O en de gegevens die niet kunnen worden verzonden Hoeveelheid reeks L. Deze reekswaarden kunnen door meting worden verkregen.
4.2 Oplossing van het probleem van de secretaris om het energieverbruik te minimaliseren
Ons doel is om het gemiddelde energieverbruik tijdens het gegevensoverdrachtproces van de mobiele terminal naar de cloud te minimaliseren, dat wil zeggen om het moment te kiezen waarop de overdrachtssnelheid het grootst is om gegevens te verzenden. In dit gedeelte voeren we de regel uit waarbij we k kandidaten laten gaan en vervolgens de beste accepteren. Los op om de optimale k-waarde te verkrijgen en bewijs dat de verkregen k-waarde de optimale waarde is.
In dit artikel wordt V gedefinieerd als de absolute rangorde van de geselecteerde kandidaten volgens de regel om k kandidaten te laten gaan en vervolgens de beste kandidaten te accepteren; de waarschijnlijkheid dat de absolute rangorde van de geselecteerde kandidaat r is en de stapgrootte s. PN =P(V=r) is de waarschijnlijkheid dat de absolute rangorde van de geselecteerde kandidaat r is wanneer het besluitvormingsproces eindigt.
Lemma 1. Als 1≤k≤N-1 en k 1≤s≤N, is er:
De mobiele terminal voert elke periode T een kanaaldetectie uit. Wanneer de mobiele terminal na k detecties vaststelt dat de snelheid r op dat moment groter is dan een vorige waarde, stopt de mobiele terminal de detectie en stuurt gegevens naar de cloud. Ga anders door met detecteren. Als de mobiele terminal geen gegevens verzendt voor de eerste Z-1 detecties, moet deze gegevens verzenden wanneer de detectietijd het maximale aantal detecties Z bereikt. De mobiele terminal gaat door met kanaaldetectie en gegevensverzending volgens deze strategie, waardoor het energieverbruik tijdens gegevensverzending wordt verminderd. 5 Simulatieresultaten en analyse
In dit gedeelte voeren we simulatie-experimenten uit om de voorgestelde strategie te vergelijken met verwante strategieën uit de literatuur op drie aspecten: gemiddeld energieverbruik per gegevenseenheid, energie-efficiëntie en detectie-efficiëntie, om de toepasbaarheid van de door ons voorgestelde strategie aan te tonen.
Het vervagen van gegevens tijdens draadloze kanaaltransmissie is kleinschalige vervaging en het vervagingsmodel wordt meestal gesimuleerd als Rayleigh- en Rician-verdeling. In het experiment hebben we simulatie-experimenten uitgevoerd in de simulatieomgeving van de twee fadingmodellen, en de experimentele parameterwaarden staan in tabel 1.
In dit artikel wordt de Optimale Overdrachtstrategie gebaseerd op het Secretaresseprobleem (OTSSP) voorgesteld op basis van de optimale stoptheorie van het secretaresseprobleem, namelijk om k kandidaten te laten gaan en vervolgens de beste kandidaten te accepteren, en wordt deze strategie vergeleken met twee andere verwante strategieën uit de literatuur. De andere twee vergelijkingsstrategieën zijn:
1) Het TSTB-mechanisme (The Sooner The Better): de mobiele terminal verzendt gegevens nadat het kanaal voor de eerste keer is gedetecteerd;
2) Willekeurige transmissie strategie (RTS): Het mobiele eindapparaat kiest willekeurig een bepaald tijdstip voor gegevensoverdracht uit Z klokken met een maximale overdrachtsvertraging Dm met een gelijke waarschijnlijkheid 1/Z.
Om rekening te houden met factoren zoals gemiddeld energieverbruik en maximale transmissievertraging, stellen we in het experiment, volgens de literatuur [3], het maximale aantal mobiele eindtoepassingen M in op s; de gegevensgeneratiesnelheid c op 10×103bps; en de gegevensdetectieperiode T op De waarde is 1s; de gegevensverzendingstijd r heeft de waarde 0,9s; de gegevensverzendingvertraging D. De waarde is 10s; het energieverbruik voor gegevensdetectie E is 1×10J. In dit experiment beschouwen we het maximale aantal toepassingen M, de gegevensgeneratiesnelheid c en de gegevensoverdrachtsvertraging D. Het effect op het gemiddelde energieverbruik per gegevenseenheid, de efficiëntie van het energieverbruik en de detectie-efficiëntie bij verandering. De veranderingsfactor M heeft een waardebereik van 1~10; c heeft een waardebereik van 1×103~15 x 10'bps; D heeft een waardebereik van 1~15s .
5.1 Gemiddeld energieverbruik
Het gemiddelde energieverbruik weerspiegelt de energie die verbruikt wordt door elke bit gegevens in succesvol verzonden gegevens (inclusief het energieverbruik voor kanaaldetectie Ep en het energieverbruik voor gegevensoverdracht Pt).
Figuur 2 toont de vergelijkingsresultaten van het gemiddelde energieverbruik van de drie strategieën onder verschillende M-veranderingen bij de Rayleigh-verdeling en de Rician-verdeling. Figuur 2 laat zien dat het gemiddelde energieverbruik van elke strategie van de Rician verdeling lager is dan het gemiddelde energieverbruik van de corresponderende strategie van de Rayleigh verdeling. Naarmate de M-waarde toeneemt, is het gemiddelde energieverbruik van de OTSSP-strategie het kleinst vergeleken met de andere twee strategieën bij dezelfde M-waarde, is de energie-efficiëntie optimaal en groeit het gemiddelde energieverbruik het langzaamst; de TSTB-strategie houdt geen rekening met het energieverbruik De factor verzendt gegevens rechtstreeks, dus is de gemiddelde energieverbruikwaarde het grootst en de energie-efficiëntie het slechtst.
Figuur 3 toont de vergelijkingsresultaten van het gemiddelde energieverbruik van de drie strategieën bij verschillende c-veranderingen onder de Rayleigh-verdeling en de Rician-verdeling. De gemiddelde energieverbruikswaarde van de OTSSP-strategie en de RTS-strategie wordt weergegeven aan de linkerkant van de ￥-as, en de gemiddelde energieverbruikswaarde van de TSTB-strategie staat op de ￥-as. Rechts weergegeven. Uit figuur 3 blijkt dat in de Rayleigh- en Rician-verdeling de gemiddelde energieverbruikswaarden van respectievelijk de OTSSP-strategie en de RTS-strategie niet te groot zijn naarmate de waarde van c toeneemt.
IoT-gateway
Aangezien gegevens worden verzonden wanneer het kanaal goed is, is de gegevensoverdrachtsnelheid groter dan de gegevensgeneratiesnelheid en gaan er geen grote hoeveelheden gegevens verloren door time-outverzending, zodat het gemiddelde energieverbruik per gegevenseenheid geleidelijk afneemt. De energieverbruiksefficiëntie van de TSTB-strategie is aanzienlijk slechter dan de andere twee strategieën omdat de TSTB-strategie gegevens verzendt op het eerste overdraagbare moment. De kanaaltoestand op dit moment is vaak niet ideaal en de hoeveelheid verzonden gegevens is klein. Wanneer de hoeveelheid verzonden gegevens gelijk is aan de andere twee gegevenshoeveelheden, moet er meer energie worden verbruikt.
Figuur 4 toont verschillende D onder Rayleigh- en Rician-verdeling. Vergelijkingsresultaten van het gemiddelde energieverbruik van de drie strategieën bij verandering. Uit figuur 4 blijkt dat van de twee verdelingen de OTSSP-strategie het laagste gemiddelde energieverbruik en de beste energie-efficiëntie heeft. En de OTSSP-strategie en de RTS-strategie verschillen van elkaar door de datatransmissietijd. Gerelateerd hieraan vertoont het gemiddelde energieverbruik een dalende trend als Dm toeneemt. Dit komt doordat wanneer Dm toeneemt, de gegenereerde gegevens meer mogelijkheden hebben om naar de cloud te worden verzonden voordat de maximale vertraging optreedt en de verbruikte energie per gegevenseenheid afneemt, zodat het gemiddelde energieverbruik een dalende trend vertoont. Wanneer de vertraging D groter is dan 25s, ligt het energieverbruik per bit gegevens oneindig dicht bij 0, maar zal niet gelijk zijn aan 0. Op dat moment is het gemiddelde energieverbruik weliswaar laag, maar is de gebruikerservaring niet goed.
5.2 Energie-efficiëntie
Energie-efficiëntie? Geeft de energie weer die verbruikt wordt per tijdseenheid tijdens gegevensoverdracht (inclusief detectiekanaaltijd T en gegevensoverdrachttijd t). Hoe kleiner de energie-efficiëntie is, hoe minder energie de strategie verbruikt per tijdseenheid.
Figuur 5 toont de vergelijkingsresultaten van de energie-efficiëntie n-waarde van de drie strategieën wanneer M verandert onder Rayleigh-verdeling en Rician-verdeling. Uit figuur 5 blijkt dat bij de twee verdelingen het maximale aantal toepassingen van de drie strategieën M en? De waarden vertonen een lineair groeiverband. De OTSSP-strategie heeft de laagste n-waarde en de TSTB-strategie heeft de grootste n-waarde omdat deze geen rekening houdt met energiefactoren. Tegelijkertijd groeit de waarde van de OTSSP-strategie het langzaamst als de M-waarde toeneemt. Hieruit blijkt dat wanneer een grote hoeveelheid gegevens tegelijkertijd naar de cloud wordt verzonden, het energieverbruik van de OTSSP-strategie langzaam toeneemt, de experimentele resultaten beter zijn en de basis wordt gelegd voor de snelle ontwikkeling van mobiel cloud computing.
Figuur 6 toont de vergelijkingsresultaten van de energie-efficiëntie n van de drie strategieën wanneer c verandert onder de Rayleigh-verdeling en de Rician-verdeling. Omdat de drie strategieën de veranderingsamplitude niet duidelijk in één afbeelding kunnen uitdrukken, wordt de OTSSP-strategie als een aparte afbeelding weergegeven; en ( In afbeeldingen b) en d) wordt de energie-efficiëntiewaarde van de TSTB-strategie weergegeven aan de linkerkant van de Y￥-as, en de energie-efficiëntiewaarde van de RTS-strategie aan de rechterkant van de Y￥-as. Afgeleid uit afbeelding 6
Het is te zien dat de energie-efficiëntiewaarden van de drie strategieën in de Rician-verdeling beter zijn dan die in de Rayleigh-verdeling. Wat is de energie-efficiëntiewaarde van de OTSSP-strategie als de gegevensgeneratiesnelheid c toeneemt in de Rayleigh-verdeling? De waarden zijn geconcentreerd in 0,0497 ~ 0,05, de n-waarden van de TSTB-strategie zijn geconcentreerd in 0,328 ~ 0,332, de waarden van de RTS-strategie zijn geconcentreerd in 0,078 ~ 0,0784; in de Rician-verdeling zijn de waarden van de OTSSP-strategie geconcentreerd in 0,0462 ~ 0,0465; de n-waarden van de TSTB-strategie zijn geconcentreerd in 0,1842 ~ 0,1846; de n-waarde van de RTS-strategie is geconcentreerd in 0,0780 ~ 0,0784. Dat wil zeggen dat de OTSSP-strategie die in dit artikel wordt voorgesteld de laagste energie-efficiëntie heeft, de minste energie per tijdseenheid verbruikt en het beste energiebesparende effect heeft. De orSSP-strategie detecteert de kanaalsnelheid voor de eerste k keer, beginnend bij de k eerste detectie, wanneer de kanaalsnelheid groter is dan de vorige k keer, wordt de detectie gestopt en worden gegevens verzonden, waardoor de gegevensoverdrachtsnelheid en het energiegebruik sterk verbeteren.
6 Conclusie
Met de snelle ontwikkeling van mobiele netwerken en mobiele cloud computing, hoe het energieverbruik van mobiele terminals en wolken te verminderen, het energiegebruik te verbeteren en de gebruikerservaring te verbeteren is een van de dringende problemen die groene cloud computing moet oplossen. Momenteel is een klein deel van het onderzoekswerk in De netwerklaag van het datatransmissieproces wordt bestudeerd om het energieverbruik van mobiele cloud computing te verminderen. Dit artikel is gewijd aan het onderzoek naar het optimalisatieprobleem van het energieverbruik van mobiele terminals tijdens het datatransmissieproces van mobile cloud computing. Tijdens het datatransmissieproces tussen de mobiele terminal en de cloud, als gevolg van de factoren van de mobiele gebruiker zoals mobiliteit, weersveranderingen en onstabiele netwerkbandbreedte, als de mobiele terminal ervoor kiest om gegevens naar de cloud te sturen op een moment dat de kanaalstatus goed is en de transmissiesnelheid hoog, kan het een grote hoeveelheid energieverbruik verminderen en het energiegebruik verbeteren. Het is een effectief hulpmiddel om het probleem van de maximale stoptijd op te lossen en biedt een basis voor het optimaliseren van het energieverbruik van gegevensoverdracht van mobiele terminals. Gebaseerd op het geheimprobleem waarbij de gemiddelde absolute rangorde van de geselecteerde kandidaten het kleinst is, stelt dit document voor om k kandidaten te laten gaan en vervolgens de beste kandidaten te accepteren. Optimalisatiestrategie voor energieverbruik. Dit document beschouwt het geval waarin gegevensoverdracht een bepaalde vertraging heeft. In de Rayleigh- en Rician-verdeling, uitgaande van een constante gegevensgeneratiesnelheid, worden een wachtrijmodel voor gegevensoverdracht met meerdere toepassingen en een minimalisatiemodel voor het gemiddelde energieverbruik per gegevenseenheid geconstrueerd. en gebruiken het verbeterde secretariële probleem (de regel om k kandidaten te laten gaan en degenen met de beste resultaten te accepteren) om het probleem op te lossen om het doel van het minimaliseren van het gemiddelde energieverbruik per gegevenseenheid te bereiken. In het simulatie-experiment zijn de in dit artikel voorgestelde OTSSP-strategie en TSTB-strategie vergeleken met de RTS-strategie en is gebleken dat de OTSSP-strategie een lager gemiddeld energieverbruik heeft.
Trefwoorden: Internet of Things gateway