کاهش تاخیر انتقال در محیط محاسبات لبه سیار با استفاده از روش یادگیری عمیق

چکیده مقاله

محاسبات لبه سیار(Mobile Edge Computing(MEC)) به سرعت در حال تبدیل شدن به یک زیرساخت¬ مناسب برای دستگاه¬های همراه و اینترنت اشیا (IoT) است.MEC امکان ارائه خدمات با تأخیر بسیارکم نسبت به محیط¬های دیگر ابر را برای مشتریان فراهم می¬آورد. اما در چند سال اخیر با رشد روزافزون دستگاه¬های حساس به زمان در محیط MEC ، با افزایش تاخیر انتقال و طول صف وظایف بر روی سرورهای لبه و نارضایتی کاربران روبرو هستیم. بنابراین در این مقاله قرار است، یک استراتژی تخلیه وظایف محاسباتی بهینه (OffLoading) مبتنی بر DRL در محیط رایانش لبه سیار جهت کاهش تاخیرات انتقال و در نتیجه کاهش زمان پاسخ ارائه دهیم. این بهینه-سازی شامل دو بخش است: در بخش اول، ابتدا تشخیص داده می¬شود وظایف در دستگاه همراهی که آن را تولید کرده¬اند، پردازش شوند، یا در سرورهای لبه جهت پردازش تخلیه شوند. در بخش دوم، اگر تصمیم بر تخلیه وظایف بر روی سرورهای لبه گرفته شد، مناسبترین سرور لبه جهت پردازش با در نظر گرفتن تحرک کاربران، فاصله و معیار کاهش زمان انتقال انتخاب می¬شود. با مقایسه روش پیشنهادی با سایر روش¬های ارائه شده در این زمینه، روش پیشنهادی از نظر مدت زمان انتقال بهبود قابل توجهی داشته است.