Combinatorial Optimization-based Task Allocation Mechanism for Vehicular Clouds

da, Costa Joahannes B. D.; Meneguette, Rodolfo I.; Rosário, Denis; Villas, Leandro A.

doi:10.1109/vtc2020-spring48590.2020.9128834

Cited by 12 publications

(12 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Foi atribuído um peso específico ao conjunto de tarefas T, sendo peso = [1,25,50,100,200,300] com um ganho de alocac ¸ão sendo 2×peso. O número de recursos atribuídos a cada veículo foi aumentado gradativamente com as configurac ¸ões 1, 2 e 3 recursos de forma separada para melhor avaliac ¸ão na questão do compartilhamento com diferentes unidades de recursos [da Costa et al 2020].…”

Section: Algoritmo 1 Arcaneunclassified

ARCANE: Algoritmo Meta-heurístico para Alocação de Tarefas em Nuvens Veiculares

Quessada

Lieira

Costa

et al. 2022

Anais Do VI Workshop De Computação Urbana (CoUrb 2022)

View full text Add to dashboard Cite

O avanço dos Sistemas de Transporte Inteligentes (ITS) vem para auxiliar a resolver problemas de tráfego, que atualmente geram problemas socioeconômicos. Entretanto, devido a dinamicidade da rede em que os ITS atuam, a alta mobilidade dos veículos e a constante mudança de topologia faz com que o problema de alocação de recursos e tarefas se tornem ainda mais desafiador. Diante desse desafio, é proposto o ARCANE, um algoritmo meta-heurístico para alocação de tarefas em nuvens veiculares. O ARCANE é um método bio-inspirado baseado no Algoritmo do Morcego (BAT). O objetivo do ARCANE é otimizar o processo de busca para fornecer soluções subótimas no processo de alocação de recursos e tarefas em uma nuvem veicular. Quando comparado com outas soluções da literatura, o ARCANE mostrou ser efetivo em alocar tarefas, aproveitando melhor os recursos das nuvens veiculares em todos os cenários.

show abstract

Section: Algoritmo 1 Arcaneunclassified

ARCANE: Algoritmo Meta-heurístico para Alocação de Tarefas em Nuvens Veiculares

Quessada

Lieira

Costa

et al. 2022

Anais Do VI Workshop De Computação Urbana (CoUrb 2022)

View full text Add to dashboard Cite

show abstract

“…Da Costa et al. [ 36 ] proposed a vehicle cloud allocation mechanism called CRATOS (CombinatoRial optimization-bAsed Task allOcation mechaniSm for VC). CRATOS uses the 0/1 Knapsack theory to make the decision to allocate resources to meet the requested service.…”

Section: Related Workmentioning

confidence: 99%

FORESAM—FOG Paradigm-Based Resource Allocation Mechanism for Vehicular Clouds

Pereira

Boukerche

Silva

et al. 2021

Sensors

Self Cite

View full text Add to dashboard Cite

The Intelligent Transport Systems (ITS) has the objective quality of transportation improvement through transportation system monitoring and management and makes the trip more comfortable and safer for drivers and passengers. The mobile clouds can assist the ITS in handling the resource management problem. However, resource allocation management in an ITS is challenging due to vehicular network characteristics, such as high mobility and dynamic topology. With that in mind, we propose the FORESAM, a mechanism for resources management and allocation based on a set of FOGs which control vehicular cloud resources in the urban environment. The mechanism is based on a more accurate mathematical model (Multiple Attribute Decision), which aims to assist the allocation decision of resources set that meets the period requested service. The simulation results have shown that the proposed solution allows a higher number of services, reducing the number of locks of services with its accuracy. Furthermore, its resource allocation is more balanced the provided a smaller amount of discarded services.

show abstract

“…No entanto, a dinamicidade topológica das VANETs se apresenta como um dos principais desafios para a proposic ¸ão de abordagens eficientes no contexto veicular e, principalmente, na formac ¸ão de VCs [Duarte et al 2018, da Costa et al 2020. Por exemplo, pode ocorrer que a conexão entre o veículo cliente e os veículos que estão realizando o processamento na VC não dure até que as tarefas escalonadas finalizem suas execuc ¸ões, o que gera processos de reescalonamento e aumento do custo pela utilizac ¸ão dos recursos.…”

Section: Introduc ¸ãOunclassified

“…A literatura apresenta duas formas para formac ¸ão desse tipo de nuvem, a primeira com veículos em estacionamentos e a segunda com os veículos em movimento [Hagenauer et al 2019, da Costa et al 2020. Dessa forma, considera-se neste trabalho os veículos em movimento e que estão em regiões geográficas específicas na cidade.…”

Section: Introduc ¸ãOunclassified

NEMESIS: Mecanismo para Formação de Nuvens Veiculares Baseado em Previsão de Mobilidade

Costa

Lobato²,

Souza³

et al. 2022

Anais Do XL Simpósio Brasileiro De Redes De Computadores E Sistemas Distribuídos (SBRC 2022)

Self Cite

View full text Add to dashboard Cite

Levando em consideração a rápida modernização dos veículos, que os direciona para entidades cada vez mais inteligentes e conectadas, surge o paradigma de Computação de Borda Veicular. Esse paradigma fornece serviços de computação em nuvem mais próximos dos usuários veiculares através da agregação dos recursos de veículos, a qual é denominada formação de nuvens veiculares. No entanto, devido à alta dinamicidade do ambiente veicular, agregar e utilizar esses recursos impõe alguns desafios. O principal desafio é selecionar de forma eficiente quais veículos irão assumir papéis de gerenciamento na utilização do poder computacional, os chamados veículos líderes. Sendo assim, este trabalho apresenta o NEMESIS, um mecanismo baseado em previsão de mobilidade para formação de nuvens veiculares. O NEMESIS seleciona os veículos com maior tempo de permanência nas nuvens para gerenciar o processo de utilização dos recursos. Os resultados de simulação mostraram que o NEMESIS consegue aumentar o tempo de vida das nuvens, minimizar as mudanças de líderes, enviar menos mensagens na rede, o que colabora na diminuição da colisão de pacotes, e por fim, possibilita uma utilização eficiente dos recursos veiculares agregados.

show abstract

Combinatorial Optimization-based Task Allocation Mechanism for Vehicular Clouds

Cited by 12 publications

References 14 publications

ARCANE: Algoritmo Meta-heurístico para Alocação de Tarefas em Nuvens Veiculares

ARCANE: Algoritmo Meta-heurístico para Alocação de Tarefas em Nuvens Veiculares

FORESAM—FOG Paradigm-Based Resource Allocation Mechanism for Vehicular Clouds

NEMESIS: Mecanismo para Formação de Nuvens Veiculares Baseado em Previsão de Mobilidade

Contact Info

Product

Resources

About