EDGE COMPUTING TARMOQLARIDA KECHIKISHNI KAMAYTIRISH UCHUN TOPOLOGIYA OPTIMALLASHTIRISH
Keywords:
Kalit so‘zlar: Edge Computing, topologiya optimallashtirish, kechikishni kamaytirish, tarmoq samaradorligi, IoT tarmoqlari, NS-3 simulyatsiyasi, trafik boshqaruvi, edge tugun joylashuvi, marshrutizatsiya, yuklama balansi, 6G arxitekturasi, real vaqt xizmatlari, grafik modellash.Abstract
Annotatsiya: Ushbu maqolada Edge Computing tarmoqlarida kechikishni minimallashtirish maqsadida topologiyani optimallashtirish muammosi tadqiq etiladi. Zamonaviy tarmoqlarda foydalanuvchilar sonining ortishi, IoT qurilmalarining ko‘payishi va real vaqt rejimida ishlovchi xizmatlarning kengayishi natijasida markazlashgan bulut infratuzilmasi yuqori kechikish, kanallar bandligi va resurslar notekis taqsimoti kabi cheklovlarga duch kelmoqda. Edge Computing ushbu muammoni foydalanuvchiga yaqin hisoblash resurslarini joylashtirish orqali bartaraf etadi, biroq tugunlar joylashuvi, marshrutlar samaradorligi va topologiya tuzilishining optimal tanlanishi kechikish ko‘rsatkichlariga bevosita ta’sir qiladi. Shuning uchun maqolada Edge tarmoq tugunlarini joylashtirish, ularning o‘zaro bog‘lanish darajasi, trafik oqimlari yo‘nalishi va resurslarni dinamik boshqarish mexanizmlarini modellashtirish orqali kechikishni kamaytirish yechimlari o‘rganiladi. Tadqiqotda grafik asosidagi topologiya modellari, NS-3 simulyatori orqali trafik kechikishining tajribaviy tahlili va optimallashtirish algoritmlarining solishtirilgan natijalari keltiriladi. Shuningdek, tarmoqning egiluvchanligi, uzilishlarga chidamliligi va yuklama balansi kabi qo‘shimcha omillar ham baholanadi. Olingan natijalar Edge Computing infratuzilmasida uzluksiz xizmat ko‘rsatishni ta’minlash, kechikishni sezilarli darajada kamaytirish hamda IoT, real vaqt monitoringi, videoanalitika va sanoat avtomatikasi kabi xizmatlar samaradorligini oshirish imkonini beradi. Tadqiqot natijalari Edge tarmoqlarini loyihalashda, operatorlar uchun joylashuv strategiyalarini yaratishda va kelajakdagi 6G arxitekturalarida optimal topologiyalarni ishlab chiqishda amaliy ahamiyatga ega.
References
1) Shi, W., Cao, J., Zhang, Q., Li, Y., & Xu, L. (2016). Edge Computing: Vision and Challenges. IEEE Internet of Things Journal, 3(5), 637–646.
2) Satyanarayanan, M. (2017). The Emergence of Edge Computing. Computer, 50(1), 30–39.
3) Deng, S., Zhao, L., & Jin, H. (2019). Optimal Edge Server Placement for Reducing Latency in IoT Networks. IEEE Access, 7, 86582–86592.
4) Mao, Y., Zhang, J., & Letaief, K. B. (2017). Dynamic Computation Offloading for Mobile-Edge Computing with Energy Efficiency. IEEE Transactions on Wireless Communications, 16(8), 5434–5447.
5) Xu, X., Chen, X., & Zhang, H. (2020). Reinforcement Learning Based Edge Node Placement in Mobile Edge Computing. Future Generation Computer Systems, 112, 784–797.
6) Yu, W., Liang, F., He, X., Hatcher, W. G., Lu, C., Lin, J., & Yang, X. (2018). A Survey on Edge Computing: Architecture, Key Technologies and Open Issues. IEEE Access, 6, 6900–6919.
7) Lin, Y., Yu, M., & Zhou, H. (2021). Topology Optimization and Traffic Balancing in Edge Computing Networks. Journal of Network and Computer Applications, 176, 102920.
