Task Offloading and Approximate Computing in Solar Powered IoT Networks
Task Offloading and Approximate Computing in Solar Powered IoT Networks
本研究提出了一种新颖的框架，通过任务卸载和近似计算来最小化太阳能驱动 IoT 网络的总能耗。设备可以选择本地执行（精确或近似）或将任务卸载到太阳能驱动的边缘服务器。
核心目标
- 在可容忍误差的情况下，通过允许近似任务执行来降低能耗。
- 利用 Digital Twin (DT) 估计未来的能量可用性和信道条件。
- 优化卸载决策以及跨时隙和信道的资源分配。
技术亮点
MILP 建模
- 设计了首个 MILP，联合优化：
- 任务卸载决策
- 近似与精确执行
- 信道分配
- 虚拟机（VM）分配
- 捕获了能量到达、CPU 周期、近似误差界和 VM 容量等约束条件。
DT 辅助的滑动窗口控制 (DT-RHC)
- 引入了基于 DT 的控制算法，使用：
- Gaussian Mixture Models (GMMs) 预测能量和信道增益
- 滑动窗口 MILP 优化实现动态调度
- 仅使用因果（历史）数据即可实现 MILP 最优值 1.62 倍以内的能耗
结果与评估
- DT-RHC 在以下指标上显著优于随机策略：
- 能耗与设备数量的关系
- 近似比率的影响
- 扩展时间范围内的任务完成率
- 仿真在 100×100 m² 部署上使用 Python + Gurobi 进行，采用真实的太阳能输入和无线模型。
结论
本研究证明了在可再生能源驱动的 IoT 环境中集成近似计算和智能卸载的可行性。它为未来的分布式优化和自适应能耗感知网络控制提供了坚实基础。