Etudiant : DIALLO NANA KADIDIATOU

Filière : LF Sciences Mathématiques et Informatique

Encadrant : Pr. ELGHMARY MOHAMED

Annèe : 2024

Résumé : Dans le contexte du Mobile Edge Computing (MEC), le déchargement des calculs est un service clé visant à réduire la consommation de batterie et le temps d'exécution des tâches sur les Appareils Mobiles Intelligents (AMIs). Ce service revêt une importance particulière en 5G, où les appareils disposent de capacités de traitement et de puissance de batterie limitées. Le déchargement des calculs est un service très prometteur : il réduit la consommation de batterie et le temps d'exécution des tâches étant donné la limitation des appareils en ternes d’énergie et de capacité de traitement. Cependant certains appareils peuvent traiter leurs tâches localement sans pour autant avoir besoin du serveur MEC. La prise de décision concernant le déchargement des calculs doit tenir compte de plusieurs facteurs, notamment l'état du réseau sans fil, le nombre d'AMIs demandant le déchargement des calculs et les ressources radio disponibles de la station de base. Il s'agit donc d'un problème complexe d'optimisation qui nécessite une gestion efficace des ressources pour minimiser la consommation d'énergie globale et le temps global de traitement des tâches. Le principal objectif de ce projet est de minimiser la consommation d'énergie globale et le temps global de traitement des tâches en optimisant conjointement les décisions de déchargement des tâches et l'allocation des ressources radio de la station de base. Pour atteindre cet objectif, nous concevrons et évaluerons des algorithmes d'optimisation prenant en compte les différents paramètres du système MEC à utilisateurs multiples. Les résultats obtenus sont très encourageants. Cet algorithme d’optimisation permettra de trier les tâches selon la décision d’exécution profitable à l’appareil et à la tâche. Autrement dit, Il permettra de choisir les tâches à décharger sur le serveur MEC et celles à décharger localement sur l’appareil mobile en vue de minimiser non seulement l’énergie et le temps d’exécution mais aussi de mieux exploiter les ressources disponibles