Построение задачи минимизации энергопотребления
Исходя из модели передачи данных в предыдущем разделе, если мощность передачи мобильного терминала равна P, то расход энергии на одну передачу данных с использованием m составляет P-t. Если предположить, что количество раз для одного раунда обнаружения канала с помощью m равно N, то за один раунд обнаружения полосы пропускания канала общее потребление энергии для измерения и передачи данных составляет: Emx=N-E, P - t.
Если мобильный терминал неоднократно использует заданное правило RMB round для приложения m, то последовательность номеров времени остановки {N, N,...,N,...,Ny| и последовательность общего потребления энергии {Ex, Ex,..., сгенерированная RMB round) ,Ex ,...,Exy}.где,N. обозначает номер времени остановки главного колеса. E - общее потребление энергии при остановке главного колеса в N. Когда m-е колесо останавливается в N, общее время, затраченное мобильным терминалом, - это время обнаружения ATx, =T-N, и время передачи t, которое равно ATx. t. Количество данных, которые должны быть переданы, равно Q1). Тогда объем данных, не подлежащих передаче в этом раунде Lmx, равен:
Если мобильный терминал получает минимальное среднее потребление энергии на единицу данных после непрерывного наблюдения за каналом N раз, то N - это оптимальное время остановки. Поскольку мобильный терминал обнаруживает по крайней мере один
полоса субканала, поэтому оптимальное время остановки N≥1. Максимальная задержка передачи данных, которые необходимо передать, равна Dm. Определим Z=LDm/T", тогда 1≤n≤N≤Z.
Согласно теореме больших чисел, уравнение (7) сходится к ME[E,]/E[Q 1)-Ly]. Поэтому мы строим время остановки 1≤N≤Z для минимизации ME[Ex]/EL[Q *1)-L]. Это правило выводится из скорости передачи данных по каналу r, обнаруженной за интервал T, и последовательности времени обнаружения AT, и генерирует последовательность потребления энергии Ex, последовательность объема передаваемых данных O и последовательность количества данных, которые не могут быть переданы L. Эти значения последовательностей могут быть получены путем измерения.
4.2 Решение секретарской задачи минимизации энергопотребления
Наша цель - минимизировать среднее потребление энергии в процессе передачи данных от мобильного терминала к облаку, то есть выбрать момент, когда скорость передачи будет наибольшей для передачи данных. В этом разделе мы выполним правило пропуска k кандидатов, а затем примем лучших из них. Решим задачу для получения оптимального значения k и докажем, что полученное значение k является оптимальным.
В данной статье V определяется как абсолютный рейтинг кандидатов, отобранных в соответствии с правилом отсеивания k кандидатов и последующего принятия лучших кандидатов; вероятность того, что абсолютный рейтинг отобранного кандидата равен r, а размер шага равен s. PN =P(V=r) - вероятность того, что абсолютный рейтинг отобранного кандидата равен r, когда процесс принятия решений заканчивается.
Лемма 1. Если 1≤k≤N-1 и k 1≤s≤N, то существует:
Мобильный терминал выполняет обнаружение канала каждый период T. После k обнаружений, когда он обнаруживает, что скорость r в текущий момент времени больше любого предыдущего значения скорости, мобильный терминал прекращает обнаружение и отправляет данные в облако. В противном случае следует продолжить обнаружение. Если мобильный терминал не передает данные в течение первых Z-1 обнаружений, он должен отправить данные, когда время обнаружения достигнет максимального количества обнаружений Z. Мобильный терминал продолжает обнаружение каналов и передачу данных в соответствии с этой стратегией, тем самым снижая потребление энергии при передаче данных. 5 Результаты моделирования и анализ
В этом разделе мы проводим имитационные эксперименты для сравнения предложенной стратегии с аналогичными стратегиями из литературы по трем аспектам: среднее потребление энергии на единицу данных, энергетическая эффективность и эффективность обнаружения, чтобы доказать применимость предложенной нами стратегии.
Замирание данных при передаче по беспроводному каналу является мелкомасштабным замиранием, и модель замирания обычно моделируется как распределение Рэлея и распределение Рикена. В рамках эксперимента мы провели имитационные эксперименты в среде моделирования двух моделей замираний, а значения экспериментальных параметров приведены в таблице 1.
В этой статье предлагается оптимальная стратегия передачи на основе секретарской задачи (OTSSP), основанная на теории оптимальной остановки секретарской задачи, которая заключается в том, чтобы отпустить k кандидатов, а затем принять лучших кандидатов, и сравнивается с двумя другими стратегиями из соответствующей литературы. Среди них две другие стратегии сравнения:
1) Механизм The Sooner The Better (TSTB): мобильный терминал отправляет данные после первого обнаружения канала;
2) Стратегия случайной передачи (RTS): Мобильный терминал случайным образом выбирает определенное время для передачи данных из Z часов с максимальной задержкой передачи Dm с равной вероятностью 1/Z.
Чтобы учесть такие факторы, как среднее энергопотребление и максимальная задержка передачи данных, согласно литературе [3], в эксперименте мы задаем максимальное количество приложений мобильного терминала M равным s; скорость генерации данных c равной 10×103bps; период обнаружения данных T равным 1s; время передачи данных r принимает значение 0.9s; задержка передачи данных D равна 10s; расход энергии обнаружения данных E равен 1×10J. В данном эксперименте мы рассматриваем максимальное количество приложений M, скорость генерации данных c и задержку передачи данных D. Влияние на среднее потребление энергии на единицу данных, эффективность потребления энергии и эффективность обнаружения при изменении. Коэффициент изменения M имеет диапазон значений 1~10; c имеет диапазон значений 1×103~15 x 10'bps; D имеет диапазон значений 1~15s .
5.1 Среднее потребление энергии
Средний расход энергии отражает энергию, потребляемую каждым битом данных в успешно переданных данных (включая расход энергии обнаружения канала Ep и расход энергии передачи данных Pt).
На рисунке 2 показаны результаты сравнения среднего энергопотребления трех стратегий при различных изменениях M для распределения Рэлея и распределения Рикена. Из рисунка 2 видно, что среднее потребление энергии каждой стратегии при распределении Рикена меньше, чем среднее потребление энергии соответствующей стратегии при распределении Рэлея. При увеличении значения M среднее энергопотребление стратегии OTSSP наименьшее по сравнению с двумя другими стратегиями при том же значении M, энергоэффективность оптимальная, а скорость роста среднего энергопотребления наименьшая; стратегия TSTB не учитывает энергопотребление Фактор передает данные напрямую, поэтому среднее значение энергопотребления наибольшее, а энергоэффективность наихудшая.
На рисунке 3 показаны результаты сравнения среднего энергопотребления трех стратегий при различных изменениях c в условиях распределения Рэлея и распределения Рикена. Среднее значение энергопотребления стратегии OTSSP и стратегии RTS показано на левой стороне оси ￥, а среднее значение энергопотребления стратегии TSTB - на оси ￥. Показано справа. Из рисунка 3 видно, что в распределениях Рэлея и Рикьяна при увеличении значения c средние значения энергопотребления для стратегии OTSSP и стратегии RTS не слишком велики соответственно.
IoT-шлюз
Поскольку данные передаются при хорошем состоянии канала, скорость передачи данных превышает скорость генерации данных, и большой объем данных не теряется из-за тайм-аута передачи, поэтому среднее потребление энергии на единицу данных постепенно снижается. Эффективность энергопотребления стратегии TSTB значительно хуже, чем у двух других стратегий, потому что , Стратегия TSTB передает данные в первый момент, когда они доступны для передачи. Состояние канала в этот момент часто не является идеальным, а количество передаваемых данных невелико. Когда объем передаваемых данных равен двум другим объемам данных, необходимо затратить больше энергии.
На рисунке 4 показаны различные D при распределении Рэлея и распределении Рикена. Сравнение результатов среднего потребления энергии тремя стратегиями при изменении. Из рисунка 4 видно, что среди двух распределений стратегия OTSSP имеет наименьшее среднее потребление энергии и наилучшую энергетическую эффективность. При этом стратегия OTSSP и стратегия RTS отличаются друг от друга по времени передачи данных. Соответственно, среднее значение энергопотребления имеет тенденцию к снижению при увеличении Dm. Это связано с тем, что при увеличении Dm у генерируемых данных появляется больше возможностей быть переданными в облако до наступления максимальной задержки, и потребление энергии на единицу данных уменьшается, поэтому среднее значение энергопотребления имеет тенденцию к снижению. Когда задержка D превышает 25 с, потребление энергии на бит данных бесконечно близко к 0, но не равно 0. В это время, хотя среднее потребление энергии низкое, пользовательский опыт не очень хорош.
5.2 Энергоэффективность
Энергоэффективность? Отражает энергию, потребляемую в единицу времени при передаче данных (включая время обнаружения канала T и время передачи данных t). Чем меньше эффективность энергопотребления, тем меньше энергии потребляет стратегия в единицу времени.
На рисунке 5 показаны результаты сравнения энергоэффективности n трех стратегий при изменении M в условиях распределения Рэлея и распределения Рикена. Из рисунка 5 видно, что при двух распределениях максимальное количество применений трех стратегий M и ? Значения показывают линейную зависимость роста. Стратегия OTSSP имеет наименьшее значение n, а стратегия TSTB - наибольшее значение n, так как в ней не учитываются энергетические факторы. В то же время при увеличении значения M значение стратегии OTSSP растет медленнее всего. Это показывает, что при одновременной передаче большого количества данных в облако скорость энергопотребления стратегии OTSSP растет медленно, она имеет лучшие экспериментальные результаты и закладывает основу для быстрого развития мобильных облачных вычислений.
На рисунке 6 показаны результаты сравнения энергоэффективности n трех стратегий при изменении c в условиях распределения Рэлея и распределения Рикена. Поскольку три стратегии не могут четко выразить амплитуду изменения на одном рисунке, стратегия OTSSP показана как отдельный рисунок; и (На рисунках b) и (d) значение эффективности энергопотребления стратегии TSTB показано в левой части оси Y￥, а значение эффективности энергопотребления стратегии RTS показано в правой части оси Y￥. Как видно из рисунка 6
Видно, что значения энергетической эффективности трех стратегий в распределении Рикена лучше, чем в распределении Рэлея. При увеличении скорости генерации данных c в распределении Рэлея каково значение энергоэффективности стратегии OTSSP? Значения сосредоточены в 0.0497 ~ 0. 05, n значений стратегии TSTB сосредоточено в 0.328 ~ 0.332, значения стратегии RTS сосредоточено в 0.078 ~ 0.0784; в распределении Рикена значения стратегии OTSSP сосредоточены в 0.0462 ~ 0.0465; n значений стратегии TSTB сосредоточено в In 0.1842 ~ 0.1846; n значение стратегии RTS сосредоточено в 0.0780 ~ 0.0784. То есть стратегия OTSSP, предложенная в данной статье, имеет самую низкую эффективность энергопотребления, потребляет наименьшее количество энергии в единицу времени и обладает наилучшим энергосберегающим эффектом. Стратегия orSSP определяет скорость канала первые k раз, начиная с k-го обнаружения, когда скорость канала больше, чем предыдущие k раз, обнаружение будет остановлено и данные будут отправлены, тем самым значительно улучшая скорость передачи данных и использование энергии.
6 Заключение
С быстрым развитием мобильных сетей и мобильных облачных вычислений снижение энергопотребления мобильных терминалов и облаков, улучшение использования энергии и повышение качества работы пользователей является одной из актуальных проблем, которую необходимо решить с помощью "зеленых" облачных вычислений. В настоящее время небольшая часть исследовательских работ посвящена изучению сетевого уровня процесса передачи данных с целью снижения энергопотребления мобильных облачных вычислений. Данная статья будет посвящена исследованию проблемы оптимизации энергопотребления мобильных терминалов в процессе передачи данных в мобильных облачных вычислениях. Во время процесса передачи данных между мобильным терминалом и облаком, в связи с влиянием на мобильного пользователя таких факторов, как мобильность, изменения погоды и нестабильная пропускная способность сети, если мобильный терминал выбирает для отправки данных в облако время, когда состояние канала хорошее и скорость передачи высокая, он может сократить большое количество потребления энергии и улучшить ее использование. Теория оптимальной остановки является эффективным инструментом для решения проблемы максимального времени остановки и обеспечивает основу для оптимизации энергопотребления мобильных терминалов при передаче данных. На основе секретарской задачи, в которой средний абсолютный рейтинг отобранных кандидатов является наименьшим, в данной работе предлагается отпустить k кандидатов, а затем принять лучших кандидатов. Стратегия оптимизации энергопотребления. В данной работе рассматривается случай, когда передача данных имеет определенную задержку. На основе распределения Рэлея и распределения Рикена, предполагая постоянную скорость генерации данных, строится модель очереди передачи данных с множеством приложений и модель минимизации среднего потребления энергии на единицу данных. Для решения задачи минимизации среднего энергопотребления на единицу данных используется улучшенная секретарская задача (правило пропуска k кандидатов и принятия кандидатов с лучшими результатами). В ходе имитационного эксперимента было установлено, что стратегия OTSSP и стратегия TSTB, предложенные в данной статье, по сравнению со стратегией RTS, имеют меньшее среднее потребление энергии.
Ключевые слова: Шлюз для Интернета вещей