Mecanismo meta-heurístico para alocação de recursos em fogs veiculares

Abstract

O crescimento no número de veículos circulando e o avanço da tecnologia empregada nesses veículos trazem uma grande quantidade de recursos computacionais que podem ser utilizados de diversas formas. Nas VANETs, os veículos realizam entre eles (V2V) e com estruturas físicas (V2I) a comunicação e troca de informações. Com isso, o uso de Nuvens Veiculares vem crescendo como alternativa nos cenários de Sistemas de Transporte Inteligentes. Com o auxílio de Nuvens Veiculares, os veículos dentro da rede compartilham seus recursos individuais formando um pool de recursos partilhados. O uso de um novo paradigma alinhado com as Nuvens Veiculares, chamado de fog computing, estende os recursos da nuvem até a borda da rede como forma de garantir baixa latência, escalabilidade e mais segurança. Dessa forma, algoritmos para o processo de tomada de decisão na questão de qual recurso alocar a qual serviço dentro da rede se fazem necessários para otimizar esse processo, maximizando o número de recursos alocados e minimizando os recursos subutilizados. Diversas publicações investigaram a aplicação de algoritmos meta-heurísticos para resolver vários problemas de otimização, incluindo alocação eficiente de recursos, agrupamento, alocação de tarefas e comunicações de rede. Nesse trabalho são apresentados alguns dos tipos de Cloud e métodos para decisão no processo de alocação de recursos, sendo eles divididos em métodos tradicionais e métodos meta-heurísticos. Foi realizado um levantamento trazendo os trabalhos do atual estado da arte acerca do tema de técnicas utilizadas para alocação de recursos. Sendo assim, como forma de melhorar o gerenciamento da alocação de recursos e tarefas, implementou-se um mecanismo meta-heurístico baseado no comportamento de caça dos morcegos para realizar o processo de tomada de decisão na alocação de recursos em Fogs Veiculares para aproveitar melhor os recursos disponíveis dos veículos, alocar mais tarefas e maximizar a utilização dos recursos. O algoritmo do morcego foi selecionado como base para o mecanismo desenvolvido, dado ser considerado uma evolução de outros algoritmos meta-heurísticos, ser baseado em população e gerar múltiplas soluções e pelo seu processo de busca. Como forma de validar o mecanismo proposto, a avaliação foi conduzida através do uso do framework veicular e simulador de rede VEINS e OMNet++, juntamente com diversas mobilidades veiculares aleatórias geradas pelo Simulador de Mobilidade Urbana - SUMO. Foram avaliados as métricas de tarefas alocadas, utilização de recursos e tarefas não alocadas. O mecanismo foi comparado com técnicas tradicionais e meta-heurísticas encontradas na literatura, demonstrando-se mais eficiente que as mesmas.

The growth in the number of vehicles circulating and the advancement of technology used in these vehicles bring a large number of computational resources that can be used in different ways. In VANETs, vehicles communicate and exchange information with each other (V2V) and with physical structures (V2I). As a result, the use of Vehicular Clouds has been growing as an alternative in Intelligent Transport Systems scenarios. With the help of Vehicular Clouds, vehicles within the network share their individual resources forming a pool of shared resources. The use of a new paradigm aligned with Vehicular Clouds, called fog computing, extends cloud resources to the edge of the network as a way to ensure low latency, scalability, and more security. Thus, algorithms for the decision-making process regarding which resource to allocate to which service within the network is necessary to optimize this process, maximizing the number of allocated resources and minimizing underutilized resources. Several publications have investigated the application of metaheuristic algorithms to solve various optimization problems, including efficient resource allocation, clustering, task allocation, and network communications. In this work, some of the types of Cloud and methods for decision-making in the resource allocation process are presented, and divided into traditional methods and meta-heuristic methods. A survey was carried out bringing the works of the current state of the art on the subject of techniques used for resource allocation. Therefore, as a way to improve the management of resource and task allocation, a meta-heuristic mechanism based on the hunting behavior of bats was implemented to carry out the decision-making process in the allocation of resources in vehicular fogs to make better use of available vehicle resources, allocate more tasks and maximize resource utilization. The bat algorithm was selected as the basis for the developed mechanism, as it is considered an evolution of other meta-heuristic algorithms, is based on population, and generates multiple solutions and its search process. As a way of validating the proposed mechanism, the evaluation was conducted using the VEINS and OMNet++ vehicular framework and network simulator, together with several random vehicular mobilities generated by the Simulation of Urban Mobility - SUMO. Metrics of allocated tasks, resource utilization, and unallocated tasks were evaluated. The mechanism was compared with traditional and meta-heuristic techniques found in the literature, proving to be more efficient than them.