Allocation of Heterogeneous Resources of an IoT Device to Flexible Services

Angelakis, Vangelis; Avgouleas, Ioannis; Παππάς, Νικόλαος; Fitzgerald, Emma; Yuan, Di

doi:10.1109/jiot.2016.2535163

Cited by 66 publications

(17 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…This poses many challenges in the optimum design of architectures, protocols, and hardware of future IoT based networks. Hence, proper resource management and network design frameworks are needed [16]. These should take into account important dimensions such as but not limited to energy efficiency, due to its impact on our environment [17], resilience, due to missioncritical services [4], [17], [18] and end-device cooperation due to traffic bifurcations which lead to inter-service communication [9], [19].…”

Section: Introductionmentioning

confidence: 99%

Energy Efficient Distributed Processing for IoT

et al. 2020

View full text Add to dashboard Cite

In the near future, the number of Internet connected objects is expected to be between 26-50 billion devices. This figure is expected to grow even further due to the production of miniaturized portable devices that are lightweight, energy, and cost-efficient. In this paper, the entire IoT-fog-cloud architecture is modeled, the service placement problem is formulated using Mixed Integer Linear Programming (MILP) and the total power consumption is jointly minimized for processing and networking. We evaluate the distributed processing paradigm for both the un-capacitated and capacitated design settings in order to provide solutions for the long-term and short-term basis, respectively. Furthermore, four aspects of the IoT processing placement problem are examined: 1) IoT services with non-splittable tasks, 2) IoT services with splittable tasks, 3) impact of processing overheads needed for inter-service communication and 4) deployment of special-purpose data centers (SP-DCs) as opposed to the conventional general-purpose data center (GP-DC) in the core network. The results showed that for the capacitated problem, task splitting introduces power savings of up to 86% compared to 46% with non-splittable tasks. Moreover, it is observed that the overheads due to inter-service communication greatly impacts the total number of splits. However much insignificant the overhead factor, the results showed that this is not a trivial matter and hence much attention needs to be paid to this area to make the best use of the resources that are available at the edge of the network.

show abstract

Section: Introductionmentioning

confidence: 99%

Energy Efficient Distributed Processing for IoT

et al. 2020

View full text Add to dashboard Cite

show abstract

“…In the first method, the average cost of each source is calculated and assigned to the most demanded service. In the second method, the most demanded resource is assigned randomly [32].…”

Section: Methods Based On Deterministic Algorithmsmentioning

confidence: 99%

IoT Resource Allocation and Optimization Based on Heuristic Algorithm

Sangaiah

Hosseinabadi

Shareh

et al. 2020

Sensors

137

View full text Add to dashboard Cite

The Internet of Things (IoT) is a distributed system that connects everything via internet. IoT infrastructure contains multiple resources and gateways. In such a system, the problem of optimizing IoT resource allocation and scheduling (IRAS) is vital, because resource allocation (RA) and scheduling deals with the mapping between recourses and gateways and is also responsible for optimally allocating resources to available gateways. In the IoT environment, a gateway may face hundreds of resources to connect. Therefore, manual resource allocation and scheduling is not possible. In this paper, the whale optimization algorithm (WOA) is used to solve the RA problem in IoT with the aim of optimal RA and reducing the total communication cost between resources and gateways. The proposed algorithm has been compared to the other existing algorithms. Results indicate the proper performance of the proposed algorithm. Based on various benchmarks, the proposed method, in terms of “total communication cost”, is better than other ones.

show abstract

“…У праці [15] запропонований ресурсний розподільчий алгоритм, що визначає методику розподілу потужності для отримання максимального значення пропускної здатності. Праця [16] розглядає гетерогенний розподіл ресурсів для виконання сервісних вимог при одночасному зменшенні середньої вартості зв'язку. Для керування електричним живленням пристроїв мобільної мережі М2М у [17] вводиться техніка розподілу ресурсів для Інтернету всього (IoE).…”

Section: вступunclassified

Resource Allocation for Low-Power Devices of M2m Technology in 5g Networks

Bulashenko¹

2020

KPI SN

View full text Add to dashboard Cite

Проблематика. Однією з ключових задач у мережах 5G є розподіл ресурсів для пристроїв машинного зв'язку (MTC), оскільки вони впливають на строк служби пристроїв із живленням від батарейки, а також на якість обслуговування доданків. Система МТС зазвичай складається з невеликих пристроїв і давачів. Пристрої МТС не можуть мати великого споживання енергії, оскільки ресурс їх батареї обмежений через складності їх заміни або зарядки. Мета дослідження. Метою роботи є підвищення енергетичної ефективності при збільшенні автономного ресурсу розподілу на пристроях МТС. Для цього ставиться задача створення схеми розподілу ресурсів за допомогою контрольованого граничного значення потужності малих пристроїв М2М системи зв'язку 5G. Методика реалізації. Пропонується алгоритм розподілу ресурсів, що використовує контрольований доступ на межі. Це техніка розподілу ресурсу низхідної лінії, за якої пристрої приймають рішення про виділення блоків ресурсів на основі їх пріоритету та рівні потужності відповідного додатка. Результати дослідження. Метод складається з двох етапів. На першому етапі вибирається кількість носійних, які мають бути виділеними для визначеного пристрою МТС із низьким споживанням енергії, щоб збільшити строк його служби. На другому кроці реалізується ефективний розв'язок через введення значення на межі. Визначено значення межі на основі метрики QoS. Така межа покращує вибір носійних для пристроїв малої потужності. Висновки. Поданий метод використовується для фізичного шару мережі 5G. Отримані результати показують, що запропонований алгоритм є більш простим і досягає кращої працездатності порівняно з існуючими, оскільки забезпечує менший час затримки, більшу енергетичну ефективність і більшу пропускну здатність. Ключові слова: машина-машина; машинний тип зв'язку; енергетична ефективність; якість обслуговування; пропускна здатність. A.V. Bulashenko RESOURCE ALLOCATION FOR LOW-POWER DEVICES OF M2M TECHNOLOGY IN 5G NETWORKS Background. One of the key tasks in 5G networks is the resource allocation for machine communication devices (MCD), since they affect the battery life of devices and the quality of service for applications. The MCD system usually consists of small devices and sensors. MCD cannot afford high energy consumption, as their battery life is limited due to the difficulty of replacing or charging them. ЕНЕРГЕТИКА ТА НОВІ ЕНЕРГОГЕНЕРУЮЧІ ТЕХНОЛОГІЇ 13 Objective. The purpose of the work is to increase energy efficiency while increasing the autonomous distribution resource on MCD. To achieve this goal, the task is allotted to create a resource allocation scheme using a controlled power limit of M2M small devices of 5G communication system. Methods. The article proposes a new resource allocation algorithm that uses traffic capacity controlled access. This is an uplink resource allocation technique in which devices decide to allocate resource blocks based on their priority and power level of the corresponding application. Results. The method consists of two stages. At the first stage, the number of carriers that...

show abstract

Allocation of Heterogeneous Resources of an IoT Device to Flexible Services

Cited by 66 publications

References 19 publications

Energy Efficient Distributed Processing for IoT

Energy Efficient Distributed Processing for IoT

IoT Resource Allocation and Optimization Based on Heuristic Algorithm

Resource Allocation for Low-Power Devices of M2m Technology in 5g Networks

Contact Info

Product

Resources

About