جايگذاري بر خط توابع مجازي شبكه در بستر شبكه 5G

اصفهان : دانشگاه صنعتي اصفهان

كامپيوتر

كارشناسي ارشد

در سال‌هاي اخير، اهميت بكارگيري فناوري شبكه‌ي بي‌سيم دوچندان شده است. از تلفن‌هاي هوشمند و اينترنت اشيا گرفته، تا ارائه‌ي خدمات مختلف بر اساس ابرها و محاسبات لبه، از اين فناوري بهره گرفته‌اند. با رشد روزافزون به كارگيري اين فناوري، لازم است كه در نسل‌هاي بعدي، مواردي چون قابليت اطمينان بالا، تاخير ناچيز، كيفيت تجربه (QOS) و امكان اتصال تعداد بيشتري از دستگاه‌ها به صورت همزمان، فراهم شوند. به دليل برطرف نشدن اين نيازمندي‌ها در نسل چهارم فناوري شبكه‌ي بي‌سيم، شرايط ظهور نسل بعدي، يعني نسل پنجم (5G) فراهم گرديده است و در حال توسعه مي‌باشد. اين نسل با به كارگيري مفاهيم و فناوري‌هايي مانند برش شبكه، مجازي‌سازي عملكرد شبكه (NFV)، شبكه‌ي نرم‌افزار محور (SDN) و محاسبات لبه با دسترسي چندگانه (MEC) سعي در به حداقل رساندن محدوديت‌هاي ذكر شده دارد. در نتيجه، اين فناوري سرويس‌گرا بوده و مي‌توان هر خدمتي را به عنوان سرويس، در آن تعريف كرد و در اختيار كاربران قرار داد. با توجه به ارائه سرويس‌ها به صورت ماكروسرويس و ايجاد زنجيره‌اي از VNFها به عنوان اجزاي نرم‌افزاري شده عملكردهاي شبكه، قراردهي اين سرويس‌ها به يكي از چالش‌هاي اصلي در اين نسل تبديل شده است. همچنين در كنار قراردهي بهينه زنجيره سرويس‌ها از نظر منابع، بايد مواردي همچون تأخير ارائه سرويس‌ها، انرژي مصرفي و هزينه انرژي مصرفي آن‌ها نيز در نظر گرفته شود. چرا كه در 5G ارائه سرويس‌ها با تأخير و هزينه پايين مدنظر مي‌باشد، تا هم كاربران ترغيب به استفاده از سرويس‌هاي شخصي‌سازي شده شوند و هم سود آوري بيشتري براي اپراتورهاي ارائه دهنده خدمات فراهم شود. پژوهش‌هاي پيشين نشان مي‌دهد كه بيشتر روش‌هاي ارائه شده، تمامي اين موارد را در نظر نگرفته‌اند. به طور مثال، روش‌هاي قديمي، استفاده از MEC را ناديده گرفته‌اند و در برخي ديگر از روش‌ها، تنها تأخير ارائه سرويس و يا انرژي مصرفي در نظر گرفته شده است. همچنين در بيشتر پژوهش‌ها، روش پيشنهادي فقط بر اساس استفاده از ابزارهاي بهينه‌سازي، همچون CPLEX و MiniZinc بوده و يا از روش‌هاي ابتكاري و فراابتكاري استفاده شده است. اين دو دسته از روش‌ها، از نظر زمان پاسخگويي با چالش روبه‌رو هستند و همچنين تطابق‌پذيري آن‌ها با تغيير شرايط، بسيار پايين مي‌باشد. از اين رو، ما در اين پژوهش دو روش OGA و Hybrid-OGA را ارائه كرده‌ايم. پايه اين دو روش، استفاده از روش‌هاي يادگيري تقويتي و مدل رمزگذار-رمزگشا مي‌باشد. در روش OGA، ابتدا مسئله VNF-FGE را ‌به شكل يك مسئله برنامه‌ريزي خطي باينري با در نظر گرفتن همزمان تأخير ارائه سرويس، انرژي مصرفي سرويس و هزينه انرژي مصرفي بر پايه انتخاب بين ميزبان‌هايي با انرژي تجديدپذير و ميزبان‌هايي با انرژي قهوه‌اي، فرموله‌بندي كرديم. در ادامه به دليل برخط نبودن برخي روش‌هاي پيشين، ما اين روش را در يك محيط برخط ارائه داده‌ايم. برخط بودن در اينجا به دو بخش تقسيم مي‌شود. در روش‌هاي يادگيري به طور معمول ابتدا يك مدل آموزش مي‌بيند و سپس از آن مدل استفاده مي‌شود كه اين رويه‌اي بسيار زمان‌بر است. درنتيجه ما با استفاده از استراتژي ϵ-greedy، اقدام به ايجاد عامل هوشمندي بر پايه يادگيري تقويتي كرده‌ايم كه در طي زمان بهبود يافته و زمان پاسخگويي را بهبود مي‌بخشد و همچنين محيط در هر مرحله در حال به‌روزرساني مي‌باشد. در ادامه به دليل حريصانه بودن اين رويكرد و احتمال مسدود شدن نابجاي برخي از سرويس‌ها، ما يك رويكرد فراابتكاري بر اساس الگوريتم ژنتيك را به رويكرد خود اضافه كرده‌ايم، تا بتوان با استفاده از خروجي همان مدل تعداد سرويس‌هاي مسدود شده را كاهش داد. در نهايت، اين روش پيشنهادي را با روش First Fit (FF) و نتايج ابزار CPLEX مقايسه كرديم. خروجي‌هاي ارزيابي نشان مي‌دهند كه دو روش OGA و Hybrid-OGA مي‌توانند به خوبي از نظر زمان پاسخگويي، نسبت پذيرش، تعداد سرويس‌هاي مسدود شده و كمينه كردن تابع هدف بهينه‌سازي با دو روش ديگر تقابل كنند.

220581

نرم افزار

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان