具時效性任務卸載之行動邊緣運算與無線網路資源整合配置排程演算法研究

在物聯網應用情境中，終端設備之計算資源及電源有其瓶頸，而這些因素往往限制了一些有即時性需求的服務應用。雖然雲端伺服器可提供大量的計算與空間資源，但終端設備到雲端機房傳輸延遲時間過長，且易受網路壅塞影響，不適合即時服務之需求。為解決此問題，任務卸載(Task Offloading)至邊緣伺服器為可行之架構。本研究計畫主要研究在有延遲要求(Delay-sensitive Task, DT)，與沒有延遲要求(Non-delay-sensitive Task, NDT)任務提出卸載請求時，依據網路頻寬與邊緣主機運算資源，決定是否接受請求及資源排程之演算法設計。本研究提出Load-Adaptive Algorithm of Joint Resource Allocation (LAJRA)設計出自適應卸載決策與資源排程演算法，主要設計概念是當系統預測為高負載時，將資源保留給DT任務，而在低負載時，則可放寬接受NDT任務卸載請求，除考慮邊緣運算伺服器之運算資源外，也將無線通訊網路之頻寬資源一併整合考量；透過模擬實驗，本研究所提出之LAJRA演算法可在接受DT任務卸載請求與滿足其延遲需求的同時，大幅提高NDT任務卸載請求的接受率。除此之外，更進一步探討在車載行動網路環境下，上傳卸載任務者因為車輛移動，卸載任務之遷移問題，同樣在需滿足任務延遲要求情況下，隨著車輛移動到另一基地台涵蓋範圍內，提出卸載任務之遷移決策演算法，並透過模擬實驗，模擬結果呈現，所提出之任務動態遷移(Adaptive Migration)演算法在系統內車輛分布不平衡的情況下，可有效降低任務的等待時間,並提升任務卸載請情的接受率。相關研究成果已有兩篇SCI國際期刊發表，另一篇論文也已在國際學術研討會中發表。