RAPTOR: um algoritmo ameta-heurístico para alocação de recursos em computação de borda veicular

• Ano de defesa: 2023
• Autor(a) principal: Gottsfritz, Euclydes Nasorri
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Ciência da computação; Redes ad hoc veiculares (Redes de computadores); Alocação de recursos; Algoritmos meta-heurísticos; Computer science; Vehicular ad hoc networks (Computer networks); Resource allocation; Meta-heuristic algorithms
• Link de acesso: http://hdl.handle.net/11449/250539

A rápida evolução dos dispositivos móveis, seus aplicativos e a quantidade de dados que eles geram causaram um aumento significativo no consumo de largura de banda e também congestionamento no núcleo da rede. A Computação de Borda oferece uma solução parcial para as desvantagens de desempenho, com a extensão da nuvem até a borda da rede com ou sem a utilização de RSUs, que são estruturas com poder computacional, de armazenamento e comunicação. Com essa inspiração, a Computação de Borda Veicular surge para oferecer suporte a aplicativos veiculares. Esse novo paradigma depende de veículos como nós de extremidade para fornecer recursos de memória, armazenamento, processamento e rede para aplicativos de outros veículos com recursos limitados. Porém, essa alocação de recursos gera um problema adicional, os nós têm alta mobilidade pela rede e a capacidade de processamento está dispersa pela mesma. A partir daí, surge a necessidade de métodos eficientes que apoiem a tomada de decisão durante a alocação desses recursos, para que essa alocação seja feita em tempo real, sem atrasos e sem desperdício de poder computacional. Este trabalho propõe o \sigla, um algoritmo meta-heurístico para alocação de recursos em Computação de Borda Veicular. O algoritmo é baseado no método da Otimização do Falcão Harris e tem a finalidade de otimizar a escolha do melhor veiculo para ter seus recursos alocados à um serviço, com vista para a maximização de serviços atendidos e redução da subutilização de recursos. Também estudou-se os tipos de Computação de Borda e alguns métodos de otimização meta-heurísticos de soluções múltiplas, para tomada de decisão na alocação de recursos. A partir dos resultados, é possível observar que no cenário estabelecido (LuST) com TraCI real de mobilidade, o RAPTOR obteve melhores resultados que todos os seus concorrentes, com desempenho de 29% à 36% superior ao segundo colocado em duas das três classes de serviços estabelecidas ("Baixo" e "Médio"), considerando apenas os dados de "Serviços Alocados", isso nos três diferentes coeficientes de chegada de serviço. Para a última classe de serviços ("Alto"), essa margem foi um pouco mais discreta, de 6% à 14% superior ao segundo colocado.