Dalam era konektivitas yang semakin berkembang, komputasi tepi seluler telah menjadi tulang punggung teknologi modern. Namun, tantangan yang dihadapi dalam mengoptimalkan pelepasan komputasi online dalam jaringan komputasi tepi seluler bertenaga nirkabel telah menjadi fokus perhatian. Makalah "Deep Reinforcement Learning for Online Computation Offloading in Wireless Powered Mobile-Edge Computing Networks," yang ditulis oleh Liang Huang, Suzhi Bi, dan Ying-Jun Angela Zhang pada tahun 2019, membahas kerangka kerja Online Offloading (DROO) yang berbasis pada pembelajaran Deep Reinforcement untuk mengatasi tantangan ini. Dalam artikel ini, kita akan menggali temuan makalah ini dan bagaimana pendekatan inovatif ini dapat membentuk masa depan komputasi tepi seluler.
Melihat Tantangan Komputasi Tepi Seluler
Komputasi tepi seluler adalah paradigma yang mengubah cara kita memproses data. Di jaringan komputasi tepi, perangkat bergerak, seperti perangkat Internet of Things (IoT), dapat mendistribusikan tugas komputasi mereka ke server tepi seluler. Namun, di lingkungan yang bertenaga nirkabel, keterbatasan daya baterai adalah masalah utama. Penerapan teknologi transfer daya nirkabel (WPT) dan komputasi tepi seluler (MEC) menjanjikan solusi. MEC bertenaga nirkabel dapat membantu meningkatkan kinerja perangkat IoT.
Pembelajaran Penguatan Mendalam untuk Optimasi
Dalam makalah ini, disajikan pendekatan inovatif dengan menggunakan pembelajaran penguatan mendalam (Deep Reinforcement Learning) untuk mengoptimalkan pelepasan komputasi online dalam jaringan komputasi tepi seluler. Algoritma Online Offloading (DROO) yang diusulkan adalah solusi yang menghilangkan kebutuhan untuk memecahkan masalah pengoptimalan kombinatorial yang kompleks, sambil mencapai kinerja yang hampir optimal.
Keuntungan Algoritma DROO
Salah satu keuntungan utama dari algoritma DROO adalah pengurangan yang signifikan dalam waktu komputasi. Metode pengoptimalan yang ada memiliki kompleksitas komputasi yang tinggi, sementara DROO mengatasi masalah ini dengan efisiensi. Hasil numerik menunjukkan bahwa algoritma DROO dapat mencapai kinerja yang hampir optimal sambil mengurangi waktu komputasi, sehingga cocok untuk jaringan berukuran besar.
Aplikasi yang Potensial
Kerangka kerja DROO yang diusulkan tidak hanya relevan untuk pelepasan komputasi online dalam komputasi tepi seluler bertenaga nirkabel, tetapi juga memiliki potensi untuk digunakan dalam berbagai aplikasi lain dalam komunikasi dan jaringan nirkabel. Ini mencakup pemilihan mode dalam komunikasi perangkat-ke-perangkat (D2D), asosiasi pengguna-ke-stasiun pangkalan dalam sistem seluler, routing dalam jaringan sensor nirkabel, dan penempatan caching di jaringan nirkabel.
Membentuk Masa Depan Komputasi Tepi Seluler