엣지 컴퓨팅 기반 데이터 신선도 및 에너지 효율 최적화 오프로딩 연구

Data Freshness and Energy-Efficient Offloading Optimization for Edge Computing-Enabled Networks

연구 내용

엣지 컴퓨팅 기반 무선 네트워크에서 데이터 신선도와 에너지 효율을 동시에 만족하는 오프로딩·캐싱·태스크 분할 최적화 연구

차세대 무선 환경에서 센싱·컴퓨팅 지연과 전송 에너지 부담이 동시에 증가하므로, Age of Information 기반으로 데이터 신선도와 전송·연산 비용을 함께 관리하는 설계를 수행합니다. 이를 위해 태스크 분할 비율, 엣지 서버 연산 자원, 통신 자원 및 서비스 캐싱 분포를 변수로 두고 성공 확률 또는 신선도 조건을 만족하는 최적화 문제를 구성합니다. 비선형성에 대응하여 근사 및 분해 기법과 RL 기반 의사결정 정책을 적용하고, 온라인 배치 도착 및 다양한 환경 설정에서 성능을 검증하는 방향으로 연구를 진행합니다.

관련 프로젝트

6건

연구 흐름

초기에는 협력 RSU를 다중으로 두고 차량 배치가 순차적으로 도착하는 상황에서 태스크 오프로딩의 에너지 최소화 모델을 정립했습니다. 이후 서비스 캐싱과 엣지 연산 자원을 결합하여 지연 민감 서비스의 성공 확률을 최대화하는 최적화 프레임을 확립했습니다. 이어서 AoI와 공간·시간 상관을 반영해 센싱·컴퓨팅 결정을 수립하고, 온라인 의사결정에는 강화학습 정책을 적용했습니다. 최근에는 데이터 신선도 관점을 반영한 태스크 분할의 성공 확률 극대화로 연구를 확장했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

AoI 기반 오프로딩 스케줄링
지연 민감 서비스 캐싱 정책
협력 RSU 자원 배분
에너지 효율 태스크 분할
실시간 모니터링 커버리지 설계
RL 기반 엣지 의사결정
온라인 배치 오프로딩 제어
대규모 실시간 서비스 최적화
데이터 센터 추정 오차 최소화
센서 재전송과 전력 제어 조합