Tesis
Characterizing and improving decision-making in Fog Radio Access Networks
Fecha
2021-06-29Registro en:
ALMEIDA, Jonathan Mendes de. Characterizing and improving decision-making in Fog Radio Access Networks. 2021. xiv, 65 f., il. Dissertação (Mestrado em Informática)—Universidade de Brasília, Brasília, 2021.
Autor
Almeida, Jonathan Mendes de
Institución
Resumen
Fog Radio Access Networks (F-RANs) são o resultado da aplicação de paradigmas de fog/edge computing
em cloud radio access networks, herdando componentes e aspectos de ambos. As técnicas de Inteligência
Artificial (IA) podem ser aplicadas às F-RANs para obter maior eficiência energética, maior rendimento e/ou
menor consumo de energia de processamento, e melhor tomada de decisão em diferentes situações. No
entanto, para selecionar uma técnica apropriada de IA a ser aplicada, é necessário levar em consideração as
diferentes granularidades de tempo nas quais a tomada de decisão ocorre em F-RANs. Na primeira parte
deste trabalho são discutidos os benefícios e desafios da implementação de uma F-RAN orientado a IA,
considerando três granularidades de tempo. Para cada granularidade, são destacadas as principais técnicas de
aprendizado, como redes neurais profundas, aprendizado de reforço, aprendizado on-line e classificadores.
Para permitir a integração entre soluções de IA, é proposta uma arquitetura multiagente para F-RANs. Além
disso, é explorado um problema específico a partir da granularidade de horas. Nesse sentido, são
investigadas oportunidades para as operadoras reduzirem seus gastos através da alocação ideal de virtual
Base Band Units (vBBUs). A alocação ideal pode gerar oportunidades de receita adicionais, alugando
recursos de processamento ocioso para Application Service Providers (ASPs). Em particular, o desafio de
melhorar a alocação de vBBU em termos da atribuição ideal das cargas de trabalho entre Remote Radio
Heads (RRHs) e Micro Data Centers (MDCs), considerando o trade-off entre a distância entre MDC e RRH e
o consumo de poder de processamento. Assim, é proposto um modelo de otimização para decidir as
atribuições entre MDCs e RRHs. A solução ideal é obtida por meio de Binary Integer Linear Programming. A
solução é avaliada aplicando um conjunto de dados Call Detail Records reais, simulando diferentes regiões
de Milão. A técnica de agrupamento k-means foi utilizada para identificar o comportamento do tráfego de
Internet em diferentes regiões de Milão. Os resultados destacam oportunidades para as operadoras
explorarem sua infraestrutura e aumentarem seus ganhos.