エッジクラウドコンピューティングでオフロードする不均一なリソース認識タスクのためのスキュー変異を伴う遺伝的アルゴリズム

近年、Edge-Cloudコンピューティングは、エッジとクラウドのコンピューティングの組み合わせによる利点により、ますます注目を集めています。タスクスケジューリングは、エッジクラウドのサービス品質とリソース効率を改善するための主要な課題の1つです。スケジューリングの問題についてはいくつかの研究が研究されていますが、アプリケーションのために対処する必要がある問題は残っています。たとえば、リソースの不均一性を無視して、1つの種類のリクエストのみに焦点を当てています。したがって、このホワイトペーパーでは、締め切り制約を備えたエッジクラウドのタスクの完了率とリソース使用率を改善するために、異質性の認識タスクスケジューリングアルゴリズムを提供することを目指しています。スケジューリング問題のNPハード性により、最も代表的で広く使用されているメタ球体アルゴリズムの1つである遺伝的アルゴリズム（GA）を活用して、タスクの完了率とリソースの利用率をそれぞれ主要な最適化目標として考慮した問題を解決します。。GAベースのスケジューリングアルゴリズムでは、遺伝子は、その対応するタスクが処理されるリソースを示します。GAのパフォーマンスを向上させるために、母集団の進化中に遺伝子が資源の不均一性に関連している皮膚突然変異演算子を悪用することを提案します。アルゴリズムのパフォーマンスを評価するために広範な実験を実施し、結果をタスク完了率のアルゴリズムのパフォーマンスの優位性を検証します。

Recent years, edge-cloud computing has attracted more and more attention due to benefits from the combination of edge and cloud computing. Task scheduling is still one of the major challenges for improving service quality and resource efficiency of edge-clouds. Though several researches have studied on the scheduling problem, there remains issues needed to be addressed for their applications, e.g., ignoring resource heterogeneity, focusing on only one kind of requests. Therefore, in this paper, we aim at providing a heterogeneity aware task scheduling algorithm to improve task completion rate and resource utilization for edge-clouds with deadline constraints. Due to NP-hardness of the scheduling problem, we exploit genetic algorithm (GA), one of the most representative and widely used meta-heuristic algorithms, to solve the problem considering task completion rate and resource utilization as major and minor optimization objectives, respectively. In our GA-based scheduling algorithm, a gene indicates which resource that its corresponding task is processed by. To improve the performance of GA, we propose to exploit a skew mutation operator where genes are associated to resource heterogeneity during the population evolution. We conduct extensive experiments to evaluate the performance of our algorithm, and results verify the performance superiority of our algorithm in task completion rate, compared with other thirteen classical and up-to-date scheduling algorithms.