ESI Talents

Sujet de Stage N°: 361

Sujet de Stage
Validation

Sujet de stage N° 361

Type*

Specialites*

Organisme*

Coencadrants*

Promoteur*

A.C.LAMMARI

Email promoteur*

Tel promoteur

Intitule*

Computation offloading for mobile cloud computing
Déchargement des calculs  pour le « Mobile Cloud Computing », formulation multiobjectf de la problématique dans le contexte de la 5G

Resume*

Les réseaux sans fil de cinquième génération (5G) devraient servir un plus grand nombre d’utilisateurs, offrir une fiabilité améliorée, une connectivité massive et une latence faible de bout en bout. Parmi les problématiques qui ont suscité l’intérêt de plusieurs chercheurs lors de cette dernière décennie, le déchargement de ressources et particulièrement dans des architecture MEC. Le déchargement de ressource permet de satisfaire les besoins des utilisateurs en terme de ressources de calculs tout en respectant les contraintes de latence. Résoudre un problème de déchargement de ressource dans une architecture MEC revient à choisir un ensemble de tâches à décharger au serveurs de bord tout en minimisant le coût engendré par ce déchargement (le coût est lié à l’énergie et au temps dépense par l’appareil mobile pour décharger ses tâches ainsi que le coût de liaison entre le serveur et le point d’accès). Plusieurs algorithmes ont été proposé dans la littérature [5]  . Ces algorithmes sont principalement basées sur des heuristiques constructives.  
Dans un travail précédant soutenu en Juin 2020 [ 4], nous avons envisagé pour la première fois la résolution du problème de déchargement de ressources (offloading) en utilisant les algorithmes évolutionnaires, plus exactement, les algorithmes génétiques hybrides. Ces méthodes ont prouvé leurs performances à la résolution de plusieurs problèmes et leurs grand avantages est leurs rapidité. Des travaux récents ont présenté aussi leurs résultats [1,2,3]. Dans le travail cité, une conception d’une recherche locale adaptée à la problématique a été mise en place. Aussi, différents schémas d’algorithmes génétiques ont été proposé ainsi que differents schéma d’hybridation. Cette étude a permis de cerner le problème sur différents volets, avec une amélioration nette des résultats en comparaison avec des travaux antérieurs.
Dans le prolongement de ce travail, on propose de s’attaquer à cette problématique en tant que  
problème d’optimisation multi-objectif (optimiser le temps, l’énergie et le coût du déchargement), et se proposant d’appliquer les méthodes d’optimisation multi-objectif comme NSGA-II ou SPEA2.

Objectifs*

1. Proposer une formulation multi-objectif du problème du déchargement dans le MEC
2. Mettre en place une plateforme de test

Resultats attendus*

1.	Faire un état de l’art sur l’utilisation des algorithmes génétiques dans le context du déchargement des calculs dans le MEC et son apport dans la technologie de la 5G et des IoT.
2.	Proposer une formulation multi-objectif du problème du déchargement dans le MEC 
3.	Analyser et concevoir une plateforme de tests
4.	Evaluer les résultats et les comparer avec les travaux de recherches récents.

Antecedents

Dans le Prolongement du travail de PFE/ Application des algorithmes génétiques Hybrides pour la résolution du problème de déchargement des ressources dans les architectures MEC de la 5G. Kaci Med Younes, ESI, 2020

Moyens informatiques

Echeancier*

1. Novembre-Décembre : étude bibliographique sur les différents travaux sur le déchargement des calculs sur le MEC avec rédaction 
2.	Janvier -Février : Étude des méthodes multi-objectifs et rédaction
3.	Mars - Avril : analyse et conception en se basant sur la méthode choisie
4.	Mai _ Juin: mise en œuvre de la solution 
5.	Juillet : soutenance

Bibliographie

1.	A new hybrid adaptive GA-PSO computation offloading algorithm for IoT and CPS context application. R. Ezhilarasie, Mandi Sushmanth Reddy and A. Umamakeswari. Journal of Intelligent & Fuzzy Systems.2019
2.	Genetic Algorithm-Based Optimization of Offoading and Resource Allocation in Mobile-Edge Computing. Zhi Li 1,2 and Qi Zhu 1,2. 2020
3.	Task Scheduling for Mobile Edge Computing Using Genetic Algorithm and Conflict Graphs. Ahmed A. Al-Habob, Octavia A. Dobre. IEEE/2020
4.	Application des algorithmes génétiques Hybrides pour la résolution du problème de déchargement des ressources dans les architectures MEC de la 5G. Kaci Med Younes, ESI, 2020
1.	Energydelay- cost tradeoff for task offloading in imbalanced edge cloud based computing. Weiheng Jiang, Yi Gong, Yang Cao, Xiaogang Wu, and Qian Xiao. .arXiv preprint arXiv :1805.02006, 2018.

Statut validation*

Reponse aux experts

Reserve pour*

Projet recherche

Notification

Avis sur le Sujet de Stage

Intitule	Organisme	Debut	Fin	Avis	Commentaire
Computation offloading for mobile cloud computing Déchargement des calculs pour le « Mobile Cloud Computing », formulation multiobjectf de la problématique dans le contexte de la 5G	ESI : Ecole nationale Supérieure d'Informatique	09/25/2020	09/30/2020	Avis favorable	—
Computation offloading for mobile cloud computing Déchargement des calculs pour le « Mobile Cloud Computing », formulation multiobjectf de la problématique dans le contexte de la 5G	ESI : Ecole nationale Supérieure d'Informatique	09/25/2020	09/30/2020	Avis favorable	—
Computation offloading for mobile cloud computing Déchargement des calculs pour le « Mobile Cloud Computing », formulation multiobjectf de la problématique dans le contexte de la 5G	ESI : Ecole nationale Supérieure d'Informatique	09/28/2020	09/28/2020	Avis favorable	—
Computation offloading for mobile cloud computing Déchargement des calculs pour le « Mobile Cloud Computing », formulation multiobjectf de la problématique dans le contexte de la 5G	ESI : Ecole nationale Supérieure d'Informatique	09/25/2020	09/27/2020	Avis favorable avec réserves majeures	La partie objecttifs du PFE, conception et implémentation restent à redéfinir clairement