Dissertação
Task offloading optimization in Mobile Edge Computing based on Deep Reinforcement Learning EVALUATED
Nos últimos anos o paradigma de Computação em Nuvem (CC) tem vindo a crescer como uma solução para a necessidade de correr computações cada vez mais complexas em Equipamentos de Utilizador (UE) limitados a nível de computação e bateria. No entanto, dada a natureza centralizada do paradigma CC existem problemas de congestionamento de rede significativos e atrasos de comunicação imprevisíveis e inadequados para aplicações em tempo real. O conceito de Mobile Edge Computing (MEC) surgiu para lidar com estes problemas e tem como ideia principal aproximar os recursos de computação de forma distribuída ao limite das redes móveis. Por vez, como esses recursos de computação são limitados, este novo paradigma apresenta um conjunto de desafios que precisam de ser resolvidos de maneira a torná-lo viável. Este trabalho propõe então inovar apresentando um agente de gestão de rede capaz de tomar decisões de offloading de uma rede heterogênea de UEs para uma rede heterogênea de servidores MEC. Este agente representa um orquestrador de um grupo de Small Cells (SCeNBs) de 5G, dotados de capacidades de computação e armazenamento. A solução proposta demonstra capacidade de bater os algoritmos base tomando decisões inteligentes que têm em conta limitações de computação, bateria, atraso e comunicação, ignoradas pelos algoritmos base. É também demonstrado que a solução é escalável, eficiente de um ponto de vista de dados, robusta, estável e ajustável para ter em consideração não só o custo do sistema como um todo mas ter também em conta o pior caso do mesmo.
junho 20, 2022, 13:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
António Manuel Raminhos Cordeiro Grilo
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado