Пространственно-временное размещение периферийных сервисов: подход на основе обучения с бандитами

Ожидается, что совместно используемые платформы периферийных вычислений, развернутые в сети радиодоступа, позволят значительно повысить качество обслуживания, предоставляемого поставщикам прикладных сервисов (ASP), гибким и экономичным образом. Однако размещение периферийных сервисов на каждом возможном периферийном узле практически невыполнимо для ASP из-за чрезмерных бюджетных затрат. В данной статье исследуется задача размещения периферийного сервиса для ASP в условиях ограниченного бюджета, при которых ASP динамически арендует вычислительные ресурсы и ресурсы хранения на периферийных узлах для размещения своих приложений в непосредственной близости от конечных пользователей. Поскольку преимущество размещения периферийного сервиса на конкретном узле обычно заранее неизвестно ASP, оптимальные решения о размещении необходимо принимать одновременно с изучением этого преимущества. Мы формулируем эту задачу как новую задачу комбинаторного контекстного обучения с бандитами. Она является «комбинаторной», поскольку при заданном бюджете ASP для предоставления периферийного сервиса можно арендовать лишь ограниченное число периферийных узлов. Она является «контекстной», поскольку для более детального обучения и принятия решений используется контекстная информация о пользователях. Для решения этой задачи и оптимизации производительности периферийных вычислений мы предлагаем алгоритм SEEN (Spatial-temporal Edge sErvice placemeNt). Кроме того, алгоритм SEEN расширен для сценариев с перекрывающимися зонами обслуживания путем включения задачи о ранце с дизъюнктивными ограничениями. В обоих случаях доказано, что по сравнению с алгоритмом-оракулом, располагающим точной информацией о преимуществах, предлагаемый алгоритм обеспечивает сублинейную оценку сожаления. Моделирование выполнено на наборе данных из реального мира; результаты показывают, что SEEN значительно превосходит эталонные решения.