사물인터넷 환경에서 서비스 그래프 생성 모형
Generative Service Graph Provisioning for IoT Device Networks
- 주제(키워드) Internet-of-Things , Reinforcement Learning , Service Graph , Service Provisioning , Subgraph
- 주제(DDC) 658.5
- 발행기관 아주대학교
- 지도교수 김재훈
- 발행년도 2023
- 학위수여년월 2023. 2
- 학위명 박사
- 학과 및 전공 일반대학원 산업공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000032675
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
에드혹 네트워크 (Adhoc Network) 는 엑세스 포인트 (Access Point, AP) 가 필요 없는 노드 (Node) 들에 의해 자율적으로 구성되는 네트워크 형식이다. 노드들의 자유로운 이동이 가능하여 동적으로 네트워크 토폴로지 (Topology) 가 변화 한다. 서비스 그래프는 사물인터넷 환경에서의 장치가 동적인 특징을 가지는 사물인터넷 네트워크의 자원에 접근할 수 있도록 한다. 본 논문에서는 사물인터넷 네트워크를 위한 서비스 그래프 생성 모형을 제안한다. 서비스 그래프 생성의 목표는 서비스 프로비저닝 (Service Provisioning) 을 위해 인접한 사물인터넷 장치들의 풀 (Pool) 을 구성하고 탐색 순서를 표현하는 서비스 그래프를 서비스 요청자에게 제공하는 것이다. 장치의 자원 정보를 효과적으로 표현하기 위해 라인 그래프 (Line Graph) 구조를 사용한다. 라인 그래프를 이용한 노드 분류 (Node Classification) 을 통해 서비스 그래프를 생성한다. 서비스 그래프를 이용한 서비스 프로비저닝은 적절한 능력 바인딩 (Capacity-Binding)을 통해서 가능하다. 제안된 모형은 라인 그래프 구조와 노드 분류 방법을 활용하여 적은 파라미터를 이용하여 서비스 프로비저닝을 위한 서비스 그래프를 생성한다. 생성된 서비스 그래프는 능력 바인딩 방법을 활용하여 기존의 자원 할당 (Resource Allocation) 문제를 해결하는 방법에 비해 효율적으로 사물인터넷 환경에서 장치들의 자원을 활용한다.
more초록/요약
Adhoc network is autonomously organized by nodes and does not require access points (APs). The network topology changes dynamically due to the nodes’ movement. The service graph allows devices in Internet-of-Things (IoT) environments to access resources in IoT networks with dynamic features. In this paper, we propose a generative service graph provisioning method for IoT networks. The goal of service graph generation is to configure a pool of adjacent IoT devices for service provisioning and to provide a searching mechanism to the service requester. A line graph structure is used to represent the resource information of the device effectively. A service graph is generated through node classification using a line graph. Service provisioning on a service graph uses the capacity-binding method.The proposed model utilizes the line graph structure and node classification to generate a service graph for service provisioning using fewer parameters. The generated service graph uses the resources of devices in the IoT environment more efficiently than the compared resource allocation problem by the capacity -binding method. Keywords : Internet-of-Things, Reinforcement Learning, Service Graph, Service Provisioning, Subgraph
more목차
제1장 서론 1
제1절 연구의 필요성 및 목적 1
제2절 연구의 범위 및 구성 5
제2장 관련 연구 7
제1절 서비스 프로비저닝 7
제2절 서브그래프 10
1. 신경망에서의 서브그래프 12
2. 방향성 그래프에서의 서브그래프 12
제3절 라인 그래프 14
제4절 심층 강화학습 17
제5절 그래프와 강화학습 22
제6절 서비스 합성 23
제7절 군집 지능 알고리즘 25
제3장 서비스 그래프 27
제1절 서비스 그래프의 목적 27
1. 서비스 제공 속도 28
2. 요구 조건의 충족도 28
3. 서비스 제공 가능성 29
4. 서비스 요청-제공 시나리오 29
제2절 서비스 그래프의 활용 31
제4장 사물인터넷 환경 모델 33
제1절 시스템 환경 정의 33
1. 서비스 능력 타입 정의 34
2. 장치와 서비스 정의 35
3. 사물인터넷 환경 정의 36
4. 요청자-서비스 정의 36
5. 제공자-서비스 정의 37
제2절 문제 정의 40
1. 요청자의 제공자 탐색 방법 40
2. 서비스 그래프의 평가 41
제3절 서비스 그래프를 이용한 서비스의 요청과 제공 44
제5장 서비스 그래프 생성 모형 46
제1절 라인 그래프의 활용 47
1. 이진법 표현 48
2. 서비스 그래프 트리밍 50
제2절 공유 정책 Deep Multi-Agent RL의 활용 53
제6장 서비스 그래프 생성 모형의 실험 56
제1절 실험 환경 정의 56
제2절 서비스 프로비저닝 ACO 58
제7장 서비스 그래프 생성 모형의 실험 결과 61
제1절 서비스 그래프 생성 지연시간 비교 61
제2절 서비스 그래프의 크기 비교 62
제3절 서비스 제공자의 제공 서비스 수 비교 64
제4절 서비스 제공자의 점유율 비교 65
제8장 서비스 그래프 생성 모형의 활용방안 67
제1절 사물인터넷 장치의 이동성 67
1. 유사한 장치의 서비스 그래프 생성 모형 활용 67
2. 여러 레거시 장치들의 서비스 그래프 생성 모형 활용 68
제2절 사물인터넷 환경 표현 70
제9장 결론 72
참고문헌 75
