Efficient orchestration methods in air computing using deep reinforcement learning
Havada hesaplamada derin pekiştirmeli öğrenme kullanarak etkili orkestrasyon yöntemleri
- Tez No: 972036
- Danışmanlar: PROF. DR. CEM ERSOY, DOÇ. DR. ATAY ÖZGÖVDE
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayar ağları, Sınır bilişim, Yapay Zeka Endeksi, Computer networks, Edge computing, Artificial Intelligence Index
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Akıllı cihazların yaygınlaşması ve çeşitli Nesnelerin İnterneti (IoT) gereksinimlerinin ortaya çıkmasıyla birlikte, hareketlilik, yaygınlık ve gerçek zamanlı yanıt açısından kullanıcı beklentilerinin giderek arttığı, ileri düzey uygulamaların hakimiyetine tanık olmaktayız. Geçtiğimiz yıllarda, bu uygulamaların gereksinimlerini karşılamak amacıyla, bulut hesaplama gerekli hesaplama kapasitesini sağlarken, uçta hesaplama ise düşük gecikmeyi temin etmiştir. Ancak, yüksek dinamik yük nedeniyle ortaya çıkan hesaplama ve iletişim darboğazları, bu iki temel çözümün yeni nesil uygulamalar için yetersiz kalmasına sebep olabilmektedir. Bu nedenle, tüm uygulama çeşitleri için dinamik, duyarlı ve üç boyutlu bir hesaplama ortamı sunan yeni nesil bir paradigma olan havada hesaplamayı ileri sürmekteyiz. Bu doğrultuda, öncelikle, karasal kaynakları kullanarak uçta hesaplama aracılığıyla derin pekiştirmeli öğrenme (DRL) ile verimli görev orkestrasyonunu araştırdık. Ardından, havada hesaplama ortamlarını doğru bir şekilde değerlendirebilmek amacıyla AirCompSim adında yenilikçi ayrık olay simülatörümüzü geliştirdik. Sonrasında, kullanıcıların herhangi bir sunucuya bağlanamadığı altyapısız bir ortamda, kaliteli görev aktarımını sağlamak için bilinmeyen kullanıcı konumlarına odaklandık. Sonuç olarak, algılama, konumlandırma, kaynak ayırma ve çoklu erişimli uçta hesaplama olmak üzere dört temel aşamadan oluşan DeepAir adında, DRL tabanlı yeni bir yöntem önerdik. Başarım değerlendirme sonuçları, DRL tabanlı yöntemlerimizin, sezgisel ve bulanık mantık yaklaşımları dahil olmak üzere ilgili karşılaştırma yöntemlerinden üstün olduğunu göstermektedir. Sonuç olarak, havada hesaplama ortamlarında dinamik kapasite artırımı ve orkestrasyon ile ilgili sorunlar aşılabilmektedir.
Özet (Çeviri)
After the proliferation of smart devices and diverse Internet of Things (IoT) requirements, we observe the dominance of cutting-edge applications with ever-increased user expectations in terms of mobility, pervasiveness, and real-time response. Over the years, to meet the requirements of those applications, cloud computing provides the necessary capacity for computation, while edge computing ensures low latency. However, these two essential solutions would be insufficient for next-generation applications due to the highly dynamic load. Therefore, we put forward a novel, next-generation paradigm called air computing that presents a dynamic, responsive, and high-resolution 3D computation environment for all spectrum of applications. To this end, we first investigate efficient task orchestration through deep reinforcement learning (DRL) considering terrestrial resources via edge computing. Afterwards, to evaluate the corresponding air computing environments correctly, we design and develop our novel discrete event simulator, AirCompSim. Subsequently, we focus on the unknown user locations in an infrastructure-less environment in which users cannot connect to any communication device or computation-providing server, which is essential to task offloading in order to achieve the required quality of service. Thus, we propose a novel DRL-based scheme, DeepAir, which uses four main phases including sensing, localization, resource allocation, and multi-access edge computing. Performance evaluation results show that our DRL-based methods outperform the benchmark methods including heuristics and fuzzy logic. Thus, problems related to dynamic capacity enhancement and orchestration can be overcome in air computing environments.
Benzer Tezler
- New algorithms and techniques for microprocessor-controlled PWM induction drives
Başlık çevirisi yok
OSMAN KÜKRER
Doktora
İngilizce
1987
Orta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Öğretim dalı dersliği yönteminin ortaöğretim kuruluşlarında uygulanması ve sınıf dersliği yöntemi ile karşılaştırılması
Başlık çevirisi yok
MEHMET SOYLU
- Üniversitelerdeki öğrenci işlerinin mikrobilgisayarlar yardımı ile çözümlenmesine ilişkin bir araştırma
Başlık çevirisi yok
SAİT ESLEK
- Çekirdeksiz kuru üzümde uygulanan politikanın Ege Bölgesinde üretim ve üretici açısından sonuçlarının değerlendirilmesi
Başlık çevirisi yok
GÜVEN ÖZERİN
