چارچوب هوشمند و کم مصرف برای مدیریت پویا انرژی در معماری پردازش لبه

با گسترش سریع دستگاه های اینترنت اشیاء و نیاز به پردازش بلادرنگ معماری پردازش لبه از اهمیت ویژه ای برخوردار شده است. اما مصرف انرژی و محدودیت منابع دستگاه های edge برنامه ریزی موثر منابع را ضروری می سازد. در این پژوهش ما یک چارچوب ترکیبی و تطبیقی معرفی می کنیم که شامل: اولا الگوریتم پیش بینی مصرف انرژی با استفاده از مدل های یادگیری ماشین، دوما الگوریتم زمان بندی تطبیقی و offloading پویا وظایف، و ثالثا الگوریتم مدیریت هوشمند حالت های مصرف active idle / sleep است. این چارچوب با الهام از روش های meta-heuristic برای offloading و تکنیک های یادگیری عمیق برای پیش بینی بار و مصرف طراحی شده است. بر مبنای مطالعات مروری و تجربی انتظار می رود این روش بتواند مصرف انرژی را تا حدود ۲۰ الی ۳۵ درصد کاهش داده و تاخیر پاسخ دهی را بهبود بخشد بدون آنکه کیفیت خدمات کاهش یابد. این مدل گامی مهم در جهت طراحی سیستم های Edge-IoT پایدار و کم مصرف محسوب می شود.

Keywords:

پردازش لبه , مدیریت انرژی , زمان بندی تطبیقی , اینترنت اشیاء , پیش بینی انرژی