[論文レビュー] Genetic-based optimization in Fog Computing: current trends and research opportunities

Carlos Guerrero, Isaac Lera+1 more|arXiv (Cornell University)|Dec 3, 2021

IoT and Edge/Fog Computing参考文献 183被引用数 32

ひとこと要約

本稿は、ファイアーコンピューティングにおける遺伝的アルゴリズム（GA）ベースの最適化に関する体系的レビューを提示し、70件の最近の研究を分析して、トレンド、設計パターン、研究ギャップを特定する。最適化範囲とGA設計のための分類法を提案し、データ管理やサービス移行といった未開拓分野を明らかにするとともに、ファイアの異種性と分散性に適合した高度な並列型、ハイブリッド型、適応型GAの開発を提言する。

ABSTRACT

Fog computing is a new computational paradigm that emerged from the need to reduce network usage and latency in the Internet of Things (IoT). Fog can be considered as a continuum between the cloud layer and IoT users that allows the execution of applications or storage/processing of data in network infrastructure devices. The heterogeneity and wider distribution of fog devices are the key differences between cloud and fog infrastructure. Genetic-based optimization is commonly used in distributed systems; however, the differentiating features of fog computing require new designs, studies, and experimentation. The growing research in the field of genetic-based fog resource optimization and the lack of previous analysis in this field have encouraged us to present a comprehensive, exhaustive, and systematic review of the most recent research works. Resource optimization techniques in fog were examined and analyzed, with special emphasis on genetic-based solutions and their characteristics and design alternatives. We defined a classification of the optimization scope in fog infrastructures and used this optimization taxonomy to classify the 70 papers in this survey. Subsequently, the papers were assessed in terms of genetic optimization design. Finally, the benefits and limitations of each surveyed work are outlined in this paper. Based on these previous analyses of the relevant literature, future research directions were identified. We concluded that more research efforts are needed to address the current challenges in data management, workflow scheduling, and service placement. Additionally, there is still room for improved designs and deployments of parallel and hybrid genetic algorithms that leverage, and adapt to, the heterogeneity and distributed features of fog domains.

研究の動機と目的

• ファイアーコンピューティングにおける遺伝的アルゴリズム（GA）ベースの最適化の分野は研究が増加しているが、体系的な包括的サーベイが存在しないため、その分野における体系的分析のニーズに対応すること。
• 特にデータ管理、ワークフロースケジューリング、サービス配置の分野において、ファイアリソース最適化における主な課題と研究ギャップを特定すること。
• ファイアーコンピューティングにおける今後の研究開発を支援するため、最適化範囲とGA設計の構造的分類法を提供すること。
• スケーラビリティ、異種性、リアルタイム性能の観点から、既存のGAベースのアプローチの強みと限界を評価すること。
• 並列型、ハイブリッド型、適応型GAの開発を含め、オสโมティックコンピューティングなどの新興パラダイムと統合する今後の研究方向性を提言すること。

提案手法

• Google ScholarおよびWeb of Scienceを用いて体系的文献レビューを実施し、ファイアーコンピューティングにおけるGAベースの最適化に関する70件の関連論文を同定した。
• 二段階の分類法を構築した：最適化範囲（例：サービス配置、ワークフロースケジューリング、データ管理）とGA設計（例：単目的、多目的、並列、ハイブリッドGA）の分類。
• 定義された分類法に基づき、各論文を分類・分析し、最適化目的、フィットネス関数、遺伝的演算子（交差、変異、選択）に注目した。
• デバイスの異種性やネットワークの非対称性といったファイア固有の制約への適合性、スケーラビリティ、適応性の観点から、各アプローチの利点と限界を評価した。
• GA実装における繰り返しパターンを同定し、NSGA-IIや標準重み付きGAの優位性を明らかにするとともに、多集団型や分散型GAといった未活用のアプローチを強調した。
• 研究結果を統合し、ファイアインfraの特性をより効果的に活用できる高度なGA設計の今後の研究方向性を提示した。

実験結果

リサーチクエスチョン

• RQ1 GAベースのファイアーコンピューティング研究における支配的最適化範囲は何か？また、時間経過に伴いどのように変化しているか？
• RQ2 ファイア環境における遺伝的アルゴリズムはどのように設計・実装されており、実際の応用で最も一般的に使用されている変種（例：NSGA-II、単目的GA）は何か？
• RQ3 スケーラビリティ、異種性、リアルタイム制約の観点から、現在のGAベースのアプローチにおける主な制限要因と課題は何か？
• RQ4 需要が高まる一方で、未だ研究が不足しているファイアーコンピューティング分野の最適化分野は何か？今後の研究の機会は何か？
• RQ5 今後のGA設計は、どのようにして分散的・異種的・動的特性を持つファイアインfraに適応できるか？

主な発見

• 最も頻繁に研究対象とされた最適化範囲は、サービス配置（20.0％）、ワークフロースケジューリング（18.6％）、サービスオchestration（15.0％）であり、サービス管理分野に強い研究集中が見られる。
• NSGA-IIと標準重み付きGAが最も広く使用されており、それぞれ22.9％および20.0％の論文で採用されており、代替のGA設計の探求が限定的であることが示唆される。
• 調査された論文のうち、たった6.7％しかデータ管理を扱わず、ファイア環境におけるデータ量の増加を考慮すると、深刻な研究ギャップが存在する。
• サービス移行は未だ研究が不足しており、論文のうちたった4.3％しかこれを扱わず、モバイルおよびユーザー中心のアプリケーションにおいて重要であるにもかかわらず、無視されている。
• 並列型および分散型GAアプローチは未だ未発達であり、並列GAを提案した研究は3件にとどまり、多集団型や細粒度分散戦略に焦点を当てた研究は存在しない。
• ハイブリッド型および適応型GA設計はほとんど検討されておらず、複雑なファイア環境における性能向上と収束性改善の大きな機会が示唆される。