面向车联网融合边云计算中多请求卸载的 QoS-SLA 感知自适应遗传算法
网络与互联网体系结构
2022-03-02 v2 人工智能
分布式、并行与集群计算
数值分析
神经与进化计算
性能
数值分析
摘要
基于车载自组织网络的车联网是一项新兴技术，可支撑聚焦提升交通安全性、交通效率与整体驾驶体验的智慧城市应用发展。这些应用具有服务等级协议（SLA）中详述的严苛要求。由于车辆的计算与存储能力有限，应用请求被卸载至融合边云计算系统。现有卸载方案侧重于在执行时间维度优化应用的服务质量（QoS），并满足单一 SLA 约束，未考虑重叠多请求处理的影响，亦未顾及车辆速度的动态变化。本文提出一种新颖的人工智能 QoS-SLA 感知自适应遗传算法（QoS-SLA-AGA），用于在异构边云计算系统中优化多请求卸载的应用执行时间，该算法考虑了多请求重叠处理与动态车速的影响。所提遗传算法集成自适应惩罚函数，以吸纳有关时延、处理时间、截止时间、CPU 与内存需求的 SLA 约束。数值实验与分析将我们的 QoS-SLA-AGA 与随机卸载及基线遗传类方法进行比较。结果表明，QoS-SLA-AGA 执行请求的平均速度较随机卸载方法快 1.22 倍，且 SLA 违规减少 59.9%。相比之下，基线遗传类方法的请求性能仅提升 1.14 倍，且 SLA 违规增加 19.8%。
引用
@article{arxiv.2202.01696,
title = {QoS-SLA-Aware Adaptive Genetic Algorithm for Multi-Request Offloading in Integrated Edge-Cloud Computing in Internet of Vehicles},
author = {Leila Ismail and Huned Materwala and Hossam S. Hassanein},
journal= {arXiv preprint arXiv:2202.01696},
year = {2022}
}