view in publisher's site

Dynamic Resource Scheduling Optimization With Network Coding for Multi-User Services in the Internet of Vehicles

For Internet of Vehicles (IoV) systems with multiple users, network coding can be introduced to provide efficient error control and throughput improvement services. However, if the heterogeneity characteristics and requirements of the end users (vehicles) are neglected, it will be difficult for an IoV system to provide each end user with fair system services, without which the advantages of network coding cannot be fully achieved and the performance of the multi-user diversity system will be degraded. In this paper, we propose a Dynamic Resource Scheduling Optimization (DRSO) algorithm, a dynamic fair scheduling algorithm combined with network coding for system resource allocation in a multi-user IoV system. We construct a general solution framework for service scheduling: first, we estimate the fairness index for each end user (vehicle) with the key information on Quality of Service (QoS). Second, we construct a service scheduling control model based on the service capability of control entities (multi-access edge computing servers), and propose a new utility evaluation function. Third, based on the fairness index, we select end users into multiple network coding sets. Network coding sets are the basic units of service scheduling. The optimization objective of the scheduling service is to maximize the total utility of all the network coding sets (the utility of the control entity). Finally, we establish a coding cache queue in the control entity based on the scheduling decision. To obtain the global optimal solution for active queue control, we combine a Quantum Particle Swarm Optimization (QPSO) algorithm with a Proportional Integral (PI) model. Then, the optimal scheduling decision can be made. Extensive simulation results show that DRSO outperforms related scheduling algorithms in varying traffic loads, demonstrating that DRSO can effectively guide service resource allocation.

بهینه‌سازی برنامه‌ریزی منابع پویا با کدینگ شبکه برای خدمات چند کاربر در اینترنت وسایل نقلیه

برای کاربران سیستم‌های وسایل نقلیه (IoV)با کاربران متعدد، کدگذاری شبکه را می توان برای فراهم کردن کنترل خطای کارآمد و خدمات بهبود توان معرفی کرد. با این حال، اگر ویژگی‌های ناهماهنگی و الزامات کاربران نهایی (خودروها)نادیده گرفته شوند، برای سیستم IoV مشکل خواهد بود که هر کاربر نهایی را با خدمات سیستم منصفانه تامین کند، بدون این که مزایای کد شبکه را نمی توان به طور کامل به دست آورد و عملکرد سیستم تنوع چند کاربر نیز تنزل خواهد یافت. در این مقاله، ما یک الگوریتم بهینه‌سازی برنامه‌ریزی منابع پویا (DRSO)را پیشنهاد می‌کنیم که یک الگوریتم زمان‌بندی پویا است که با کدگذاری شبکه برای تخصیص منابع سیستم در یک سیستم چند کاربری چند منظوره ترکیب شده‌است. ما یک چارچوب راه‌حل کلی برای زمان‌بندی خدمات ایجاد می‌کنیم: اول، ما شاخص انصاف برای هر کاربر نهایی را با اطلاعات کلیدی در کیفیت خدمات (QoS)برآورد می‌کنیم. دوم، ما یک مدل کنترل زمان‌بندی خدمات براساس قابلیت خدمات نهاده‌ای کنترل (سرورهای محاسبه حاشیه دسترسی چندگانه)، و یک تابع ارزیابی سودمندی جدید را پیشنهاد می‌کنیم. سوم، براساس شاخص انصاف، کاربران نهایی را به مجموعه کدگذاری شبکه‌ای چندگانه انتخاب می‌کنیم. مجموعه‌های کد شبکه واحدهای اصلی زمان‌بندی خدمات هستند. هدف بهینه‌سازی خدمات برنامه‌ریزی، به حداکثر رساندن کارایی کل مجموعه کد گذاری شبکه (کاربرد نهاد کنترلی)است. در نهایت، ما یک صف حافظه نهان کد گذاری در نهاد کنترل براساس تصمیم برنامه‌ریزی ایجاد می‌کنیم. برای بدست آوردن راه‌حل بهینه جهانی برای کنترل صف فعال، ما یک الگوریتم بهینه‌سازی ازدحام ذرات کوانتومی (QPSO)با یک مدل انتگرال Proportional (PI)را ترکیب می‌کنیم. سپس، تصمیم برنامه‌ریزی بهینه می‌تواند انجام شود. نتایج شبیه‌سازی گسترده نشان می‌دهد که DRSO از الگوریتم های زمان‌بندی مربوطه در باره‌ای ترافیکی متفاوت عمل می‌کند و نشان می‌دهد که DRSO می‌تواند به طور موثر تخصیص منابع خدمات را هدایت کند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله General Computer Science
  • ترجمه مقاله General Computer Science
  • مقاله علوم کامپیوتر عمومی
  • ترجمه مقاله علوم کامپیوتر عمومی
  • مقاله General Materials Science
  • ترجمه مقاله General Materials Science
  • مقاله علوم مواد عمومی
  • ترجمه مقاله علوم مواد عمومی
  • مقاله General Engineering
  • ترجمه مقاله General Engineering
  • مقاله مهندسی عمومی
  • ترجمه مقاله مهندسی عمومی
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.