Programación consciente de la energía en entornos de borde: hibridación del control tradicional y el algoritmo DE

Área de la Ciencia:

• Computación de borde
• Robótica
• Inteligencia artificial

Sus antecedentes:

• Las aplicaciones de robótica involucran diversas tareas de computación de borde como el procesamiento de imágenes y la monitorización de la salud.
• Las limitaciones de recursos de la computación de borde y las cargas de trabajo fluctuantes presentan desafíos significativos en la programación de tareas.
• Las estrategias convencionales como Least-Loaded First-Fit Decreasing (LLFFD) en EdgeCloudSim son insuficientes para escenarios complejos y a gran escala.

Objetivo del estudio:

• Desarrollar y evaluar un enfoque de programación de tareas híbrido para la asignación optimizada de tareas a VM en entornos de borde.
• Mejorar la eficiencia energética y el tiempo de finalización de las tareas en la computación de borde a través de una mejor utilización de los recursos.
• Abordar las limitaciones de las heurísticas tradicionales en la programación de tareas compleja y dinámica de la computación de borde.

Principales métodos:

• Se propuso un enfoque de programación híbrido (FFDDE) que integra la heurística First-Fit Decreasing (FFD) con el algoritmo de Evolución Diferencial (DE).
• Se utilizó el marco de simulación EdgeCloudSim para evaluar la estrategia FFDDE.
• Se comparó el rendimiento de FFDDE con los algoritmos tradicionales LLFFD y Algoritmo Genético (GA) bajo diversas condiciones de carga de trabajo.

Principales resultados:

• La estrategia híbrida FFDDE basada en DE demostró una eficiencia energética significativamente mejorada en comparación con LLFFD y GA.
• FFDDE logró una mejor consolidación de tareas, lo que condujo a una mejor utilización de los recursos.
• Los resultados experimentales validaron la efectividad del enfoque híbrido en diversos escenarios de carga de trabajo.

Conclusiones:

• La combinación de métodos heurísticos rápidos con optimización evolutiva (como DE) ofrece una solución prometedora para la programación sostenible de tareas en la computación de borde.
• El enfoque FFDDE proporciona un método más efectivo para la asignación de tareas a VM en entornos de borde complejos.
• Este estudio subraya el potencial de los algoritmos híbridos para optimizar el consumo de energía y el rendimiento en la robótica de borde.