scholarly journals Efficient Resource Allocation for Backhaul-Aware Unmanned Air Vehicles-to-Everything (U2X)

Sensors ◽  
2020 ◽  
Vol 20 (10) ◽  
pp. 2994 ◽  
Author(s):  
Takshi Gupta ◽  
Fabio Arena ◽  
Ilsun You
Keyword(s):  
Resource Allocation ◽  
Monte Carlo ◽  
Unmanned Aerial Vehicles ◽  
Optimal Number ◽  
Maximum Amount ◽  
Minkowski Distance ◽  
Aerial Vehicles ◽  
Efficient Resource ◽  
Considerable Impact ◽  
Mutual Agreement

Unmanned aerial vehicles (UAVs) allow better coverage, enhanced connectivity, and elongated lifetime when used in telecommunications. However, these features are predominately affected by the policies used for sharing resources amongst the involved nodes. Moreover, the architecture and deployment strategies also have a considerable impact on their functionality. Recently, many researchers have suggested using layer-based UAV deployment, which allows better communications between the entities. Regardless of these solutions, there are a limited number of studies which focus on connecting layered-UAVs to everything (U2X). In particular, none of them have actually addressed the aspect of resource allocation. This paper considers the issue of resource allocation and helps decide the optimal number of transfers amongst the UAVs, which can conserve the maximum amount of energy while increasing the overall probability of resource allocation. The proposed approach relies on mutual-agreement based reward theory, which considers Minkowski distance as a decisive metric and helps attain efficient resource allocation for backhaul-aware U2X. The effectiveness of the proposed solution is demonstrated using Monte-Carlo simulations.

scholarly journals Best Trade-Off Point Method for Efficient Resource Provisioning in Spark

Algorithms ◽  
2018 ◽  
Vol 11 (12) ◽  
pp. 190
Author(s):  
Peter Nghiem
Keyword(s):  
Resource Allocation ◽  
Cluster Computing ◽  
High Energy ◽  
Optimal Number ◽  
Resource Provisioning ◽  
Trade Off ◽  
Energy Efficient Computing ◽  
Hadoop Mapreduce ◽  
Efficient Resource ◽  
Mathematical Formulas

Considering the recent exponential growth in the amount of information processed in Big Data, the high energy consumed by data processing engines in datacenters has become a major issue, underlining the need for efficient resource allocation for more energy-efficient computing. We previously proposed the Best Trade-off Point (BToP) method, which provides a general approach and techniques based on an algorithm with mathematical formulas to find the best trade-off point on an elbow curve of performance vs. resources for efficient resource provisioning in Hadoop MapReduce. The BToP method is expected to work for any application or system which relies on a trade-off elbow curve, non-inverted or inverted, for making good decisions. In this paper, we apply the BToP method to the emerging cluster computing framework, Apache Spark, and show that its performance and energy consumption are better than Spark with its built-in dynamic resource allocation enabled. Our Spark-Bench tests confirm the effectiveness of using the BToP method with Spark to determine the optimal number of executors for any workload in production environments where job profiling for behavioral replication will lead to the most efficient resource provisioning.

Design of Hospital Delivery Networks Using Unmanned Aerial Vehicles

2020 ◽  
Vol 2674 (5) ◽  
pp. 405-418 ◽  
Author(s):  
Alejandra Otero Arenzana ◽  
Jose Javier Escribano Macias ◽  
Panagiotis Angeloudis
Keyword(s):  
Unmanned Aerial Vehicles ◽  
Optimal Number ◽  
Baseline Scenario ◽  
Urban Hospital ◽  
Aerial Vehicles ◽  
Strategic Model ◽  
Delivery Services ◽  
Location Algorithm ◽  
Delivery Networks

Unmanned aerial vehicles (UAVs) are being increasingly implemented in a range of applications. Their low payload capacity and ability to overcome congested road networks enables them to provide fast delivery services for urgent high-value low-volume cargo. This work investigates the economic viability of integrating UAVs into urban hospital supply chains. In doing so, a strategic model that determines the optimal configuration of supporting infrastructure for urgent UAV delivery between hospitals is proposed. The model incorporates a tailored facility location algorithm that selects an optimal number of hubs given a set of candidates and determines the number of UAVs required to fulfill total demand. The objective is to minimize the total cost of implementation, computed as the sum of generalized, battery, vehicle, and hub establishment costs. The model is applied to a case study based on the establishment of a UAV delivery network for deliveries between National Health Service (NHS) hospitals in London. A baseline scenario is also developed using current NHS vehicles for delivery. Results demonstrate that UAV-based delivery provides significant reductions in operational costs compared with the baseline. Furthermore, the analysis indicates the location of hubs is more significant to the solution optimality than any increase in range or payload.

scholarly journals Resource allocation and service management in next generation 5G wireless networks

2019 ◽  
Author(s):  
Παναγιώτης Βαμβακάς
Keyword(s):  
Machine Learning ◽  
Resource Allocation ◽  
Unmanned Aerial Vehicles ◽  
Utility Theory ◽  
Service Management ◽  
Learning Automata ◽  
Expected Utility Theory ◽  
Visible Light Communications ◽  
Aerial Vehicles

Η παρούσα διδακτορική διατριβή πραγματεύτεται το πρόβλημα της βέλτιστης κατανομής πόρων και την πολύπλευρη διαχείριση υπηρεσιών σε ασύρματα δίκτυα 5ης γενιάς (5G). Βασικό αντικείμενο της εργασίας αποτελεί η βελτιστοποίηση της ποιότητας υπηρεσίας (Quality of Service) εντός του δικτύου τόσο στα πλαίσια της αύξησης της ενεργειακής αποδοτικότητας του δικτύου συνολικά, αλλά και λαμβάνοντας υπόψη την ετερογένεια μεταξύ των χρηστών ως προς τις απαιτήσεις της εκπομπής τους. Ειδικά σχεδιασμένες συναρτήσεις χρησιμότητας (utility functions) επιτρέπουν στους χρήστες να ποσοτικοποιούν διάφορες παραμέτρους της επικοινωνίας ζεύξης ανόδου (uplink communication) αντικατοπτρίζοντας την ικανοποίηση τους από την κατανομή των εκάστοτε πόρων (π.χ. ισχύς εκπομπής, ρυθμός μετάδοσης, κοστολόγηση κλπ.). Συγκεκριμένα, τα προβλήματα κατανομής πόρων μελετώνται υπό διαφορετικές τεχνολογίες αιχμής, τεχνικές πρόσβασης, αρχιτεκτονικές δικτύου και διακριτά είδη υπηρεσιών, υπό συνθήκες ανταγωνισμού των χρηστών ή σε αντίξοα περιβάλλοντα επικοινωνίας. Τα εκάστοτε προβλήματα μοντελοποιούνται ως μη συνεργατικά παίγνια τα οποία επιλύθηκαν με βάση τις αρχές της Θεωρίας Παιγνίων και Βελτιστοποίησης, παρέχοντας στους χρήστες τον βασικό έλεγχο της λήψης των αποφάσεων κατά την διάρκεια της εκπομπής τους. Με αυτόν τον τρόπο, επιτυγχάνεται η αποκέντρωση του συστήματος και η ισχυροποίηση του ρόλου των χρηστών στην διαδικασία της κατανομής πόρων και της βελτιστοποίηση της λειτουργίας του ασύρματου δικτύου. Σε κάθε περίπτωση, επιβεβαιώνεται η ύπαρξη του σημείου ισορροπίας κατά Nash (Nash Equilibrium) το οποίο αντιπροσωπεύει μια σταθερή έκβαση της κατανομής από την οποία κανένας χρήστης δεν επιθυμεί να παρεκλίνει. Παράλληλα, κατανεμημένοι αλγόριθμοι χαμηλής πολυπλοκότητας αναλαμβάνουν την σύγκλιση των παιγνίων στα ανωτέρω σημεία ισορροπίας. Πιο αναλυτικά, αρχικά ερευνήθηκε η κατανομή πόρων σε πολυεπίπεδα δίκτυα με χρήση μάκρο και φεμτοκυψελών (macro and femtocells) με τα προβλήματα να επεκτείνονται σε πιο ευρείες και σύνθετες κατανομές της ισχύος εκπομπής και του ρυθμού μετάδοσης για διαφορετικά είδη υπηρεσιών. Επίσης μελετήθηκε το πρόβλημα της κατανομής ισχύος και οπτικών σημείων πρόσβασης για επικοινωνίες ορατού φωτός (Visible Light Communications) για διαφορετικές τεχνικές πρόσβασης. Εν συνεχεία, αναλύθηκε το πρόβλημα της εξατομικευμένης κοστολόγησης της εκπομπής των χρηστών. Βασική καινοτομία της εν λόγω προσέγγισης, αποτελεί η παραδοχή ότι η εκάστοτε τιμή συνιστά έναν ακόμη πεπερασμένο πόρο προς κατανομή, σε αντίθεση με την βιβλιογραφία στην οποία αντιμετωπίζεται ως μια εξωτερική ποινή που επιβάλλεται από τον διαχειριστή ώστε να μειωθούν οι παρεμβολές εντός του δικτύου. Το πρόβλημα μελετάται για διαφορετικούς συνδυασμούς πόρων (ισχύος εκπομπής ή / και ρυθμού μετάδοσης) για ποικίλα σενάρια κοστολόγησης. Συνακόλουθα, το πρόβλημα εξετάστηκε υπό συνθήκες ανταγωνισμού των παρόχων υπηρεσίας, οι οποίοι προσαρμόζοντας τις πολιτικές και τα επίπεδα των τιμών, επιδιώκουν την απόκτηση μεγαλύτερων μεριδίων αγοράς. Οι χρήστες μοντελοποιούνται και λαμβάνουν αποφάσεις ως μανθάνοντα αυτόματα (learning automata) υπό τις αρχές της Νοημοσύνης των Μηχανών (Machine Learning), αυτοματοποιώντας έτσι την βέλτιστη επιλογή του παρόχου. Η παρούσα διατριβή επίσης διερευνά τα προβλήματα της δυναμικής σύνθεσης υπηρεσιών (service bundling) και κατανομής πόρων μέσω του σχεδιασμού συνεργατικών τηλεπικοινωνιακών προϊόντων, τα οποία καθορίζονται αυτόνομα από τους χρήστες. Παράλληλα, μελετήθηκε η βέλτιστη ασύρματη φόρτιση της μπαταρίας των χρηστών με κριτήριο τις ενεργειακές ανάγκες των χρηστών από την επικείμενη εκπομπή τους. Ολοκληρώνοντας, στην διδακτορική αυτή διατριβή, το πρόβλημα της κατανομής πόρων αντιμετωπίζεται συνολικά μέσω μίας καινοτόμου και ρεαλιστικής προσέγγισης υιοθετώντας την χρήση της Θεωρίας Προοπτικής (Prospect Theory), η οποία ανατρέπει την έως τώρα επιλογή της Θεωρίας Αναμενόμενης Χρησιμότητας (Expected Utility Theory) σε θέματα κατανομής πόρων. Για πρώτη φορά στην σχετική βιβλιογραφία, τα προβλήματα διατυπώνονται ενσωματώνοντας την υποκειμενικότητα των χρηστών στην λήψη αποφάσεων όταν επικρατούν συνθήκες αβεβαιότητας, ενώ ταυτόχρονα για πρώτη φορά εισάγεται η συνθήκη της πιθανής κατάρρευσης του εύρους ζώνης λόγω της υπέρμετρης χρήσης του εντός του δικτύου. Το ανωτέρω πλαίσιο υλοποιείται για διαφορετικά σενάρια (συνδυασμός αδειοδοτημένου και μη εύρους ζώνης, ταυτόχρονη εκπομπή μέσω πολλαπλών τεχνικών πρόσβασης), ενώ επιπλέον αναλύεται η κατανομή πόρων και η ασφάλεια (network security) σε δίκτυα δημόσιας ασφάλειας (Public Safety Networks) με αξιοποίηση μη επανδρωμένων αεροσκαφών (Unmanned Aerial Vehicles).

Multi-unmanned aerial vehicle multi acoustic source localization

2020 ◽  
pp. 095441002094308
Author(s):  
Suresh Manickam ◽  
Sufal Chandra Swar ◽  
David W Casbeer ◽  
Satyanarayana Gupta Manyam
Keyword(s):  
Unmanned Aerial Vehicles ◽  
Optimal Number ◽  
Localization Algorithm ◽  
Acoustic Source ◽  
Coordination Strategy ◽  
Aerial Vehicles ◽  
Localization Algorithms ◽  
Acoustic Source Localization ◽  
Aerial Vehicle ◽  
Np Hardness

This paper addresses a multisource localization problem with multiple unmanned aerial vehicles equipped with appropriate sensors coordinating with each other, wherein the sources are simultaneously emitting identical acoustic signals. Distributed coordinated localization algorithms based on multiple range and direction measurements are presented and performances are evaluated in different practically significant mission scenarios. Non-deterministic polynomial (NP) hardness to determine optimal number of unmanned aerial vehicles for a given mission scenario is discussed. Group coordination, tactical path, and goal replan strategies to enable efficient localization of single and multiple acoustic sources have been designed. The localization algorithm along with coordination strategy is verified in the presence of realistic error conditions through simulation.

scholarly journals Resource Allocation for Machine-to-Machine Communications with Unmanned Aerial Vehicles

2016 ◽  
Author(s):  
Mehdi Naderi Soorki ◽  
Mohammad Mozaffari ◽  
Walid Saad ◽  
Mohammad Hossein Manshaei ◽  
Hossein Saidi
Keyword(s):  
Resource Allocation ◽  
Unmanned Aerial Vehicles ◽  
Machine To Machine ◽  
Aerial Vehicles
Sign in / Sign up

Export Citation Format

Share Document