Μεταφόρτωση δεδομένων σε τεχνολογίες κινητής υπολογιστικής στα άκρα του δικτύου βασισμένη στην θεωρία παιγνίων και στην ισορροπία ικανοποίησης

Μάνκα, Σύλβια-Δήμητρα; Manca, Silvia-Dimitra

dc.contributor.author	Μάνκα, Σύλβια-Δήμητρα	el
dc.contributor.author	Manca, Silvia-Dimitra	en
dc.date.accessioned	2019-10-17T10:46:20Z
dc.date.available	2019-10-17T10:46:20Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/49297
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.16995
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Κινητή υπολογιστική στα άκρα του δικτύου	el
dc.subject	Μεταφόρτωση δεδομένων	el
dc.subject	Αυτόματα μάθησης	el
dc.subject	Θεωρία παιγνίων	el
dc.subject	Ισορροπία ικανοποίησης	el
dc.subject	Mobile edge computing	en
dc.subject	Data offloading	en
dc.subject	Learning automata	en
dc.subject	Game theory	en
dc.subject	Satisfaction equilibrium	en
dc.title	Μεταφόρτωση δεδομένων σε τεχνολογίες κινητής υπολογιστικής στα άκρα του δικτύου βασισμένη στην θεωρία παιγνίων και στην ισορροπία ικανοποίησης	el
dc.title	Data offloading for mobile edge computing based on game theory and satisfaction equilibrium	en
heal.type	bachelorThesis
heal.classification	Θεωρία παιγνίων και ενισχυτική μάθηση σε δίκτυα υπολογιστών	el
heal.classification	Game theory and reinforcement learning for computer networks	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-07-05
heal.abstract	Σε ένα περιβάλλον ολοένα αυξανόμενων υπολογιστικών αναγκών και παραγωγής όγκου πληροφοριών, η τεχνολογία νέφους αποτελεί πλέον ισχυρό σύμμαχο ώστε να πληρούνται οι απαιτήσεις του χρήστη σε επίπεδο υπηρεσιών. Μία επέκταση της τεχνολογίας νέφους για τα συστήματα κινητών συσκευών, που ανταποκρίνεται και στις απαιτήσεις για εξαιρετικά γρήγορη αποκρισιμότητα, είναι η Κινητή Υπολογιστική στα Άκρα του Δικτύου (ΚΥΑΔ). Στα περιβάλλοντα ΚΥΑΔ, όπου κινητές συσκευές προσπαθούν να μεταφορτώσουν απαιτητικές εργασίες σε εξυπηρετητές στα άκρα του δικτύου, κρίνεται επιτακτική η ανάγκη αποδοτικού συντονισμού ώστε να γίνεται η καλύτερη δυνατή αξιοποίηση των πόρων και κατανομής του φορτίου. Προς αυτή την κατεύθυνση, η θεωρία παιγνίων σε συνδυασμό με την ενισχυτική μάθηση προσφέρουν ισχυρές κατανεμημένες λύσεις με χαμηλό υπολογιστικό κόστος. Στην παρούσα διπλωματική, μελετήθηκε ένα περιβάλλον ΚΥΑΔ με πολλαπλούς εξυπηρετητές άκρης και πολλαπλούς χρήστες κινητών συσκευών, οι οποίοι εκτός από την επιλογή του εξυπηρετητή, μπορούσαν επιπλέον να προσδιορίσουν το ποσοστό της διεργασίας που θα μεταφορτώσουν ώστε να ικανοποιήσουν τους περιορισμούς τους σε χρόνο απόκρισης και ενεργειακή κατανάλωση. Για την επιλογή του εξυπηρετητή από τους χρήστες υιοθετήθηκε μία λύση βασισμένη στην θεωρία παιγνίων κατά την οποία οι χρήστες συμπεριφέρονταν σαν αυτόματα μάθησης, προκειμένου να μεγιστοποιηθεί η συνολική ευχαρίστηση του συστήματος. Σε κάθε εποχή του αλγορίθμου μάθησης, για να προσδιοριστεί το ποσοστό που θα μεταφορτώσουν οι χρήστες στον εξυπηρετητή που έχουν επιλέξει και να καθοριστεί η τιμή στην συνάρτηση ευχαρίστησης τους, αντιμετωπίζουμε το πρόβλημα πάλι σαν ένα παίγνιο και αναζητούμε την εύρεση ενός σημείου ισορροπίας ικανοποίησης, ή γενικευμένης ισορροπίας ικανοποίησης, αν δεν είναι εφικτό όλοι οι παίκτες να ικανοποιηθούν ταυτόχρονα. Η αξιολόγηση της ορθότητας και αποτελεσματικότητας του προτεινόμενου πλαισίου πραγματοποιήθηκε μέσω μοντελοποίησης και προσομοίωσης. Συγκεκριμένα, εκτενή πειράματα εκτελέστηκαν ώστε να μελετηθούν τα θεμελιώδη χαρακτηριστικά λειτουργίας του προτεινόμενου ενιαίου αλγοριθμικού πλαισίου, η δυνατότητα κλιμακωσιμότητας του, καθώς και η σύγκριση του με εναλλακτικές στρατηγικές επίλυσης.	el
heal.abstract	In an environment of ever-increasing computational needs and data generation, cloud computing arises as a powerful paradigm in meeting demanding Quality of Service (QoS) requirements. Mobile Edge Computing (MEC) has emerged as an extension of cloud computing, enabling the realization of computation-intensive and latency-critical applications at the resource-limited mobile devices. Due to the partial offloading of computation-intensive tasks from mobile devices to the MEC servers, there is an urgent need for efficient orchestration, in order to optimize resource utilization and load allocation. To this end, game theory combined with reinforcement learning offers powerful distributed solutions with low computational cost. {Subject of this thesis is a MEC environment containing multiple edge servers and mobile users, in which users try not only to select a MEC server to get associated with but also to determine a percentage of their data to offload in order to meet their latency and energy constraints. A game theoretic approach was adopted, in which users acting as learning automata aim to maximize their overall utility or satisfaction. In order to determine the percentage that users would offload to the server in each epoch of the learning algorithm, we modeled the problem as a satisfaction game and searched for a satisfaction equilibrium point. For cases where it was not possible for all users to simultaneously satisfy their constraints, a generalized satisfaction equilibrium was explored instead. The evaluation of the correctness and effectiveness of the proposed framework was achieved through modeling and simulation. In particular, extensive experiments were performed, aiming to study the fundamental operating characteristics of the proposed framework and its scalability property, while being compared with alternative data offloading strategies.	en
heal.advisorName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Ρουσσάκη, Ιωάννα	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	65 σ.
heal.fullTextAvailability	true