Estudio e implementación de algoritmos de optimización para la reducción del consumo energético en el Extreme Edge de Internet of Things mediante la aplicación computation offloading

El objetivo de este Trabajo de Fin de Grado es el estudio y la implementación de varias estrategias de optimización para la aplicación de Mobile Edge Computing en Redes de Sensores Inalámbricas (Wireless Sensor Networks, WSN) situadas en el Extreme Edge del Internet of Things (IoT). El Internet de las Cosas (IoT) se refiere a una infraestructura tecnológica donde los objetos físicos y dispositivos están interconectados a través de redes de comunicación para recopilar, compartir y procesar datos de forma automatizada. En este contexto, las WSN son componentes fundamentales del IoT. Están formadas por nodos sensores que se encargan de la recolección, transmisión y, en algunos casos, del procesamiento de los datos de su entorno. Estos nodos forman mallas de comunicación autónoma y autoorganizadas que pueden recolectar información de manera eficiente en tiempo real. El Computation Offloading es una estrategia de optimización mediante la cual se traslada parte del procesamiento de datos y tareas computacionales desde un dispositivo local a recursos remotos, como servidores en la nube o dispositivos más potentes. Con esto se consigue reducir la carga de trabajo en los dispositivos locales y mejorar la eficiencia y el rendimiento en los mismos. El Mobile Edge Computing (MEC), consiste en una variante específica del Computation Offloading que se centra en realizar el procesamiento y análisis de los datos en los dispositivos ubicados en la periferia de la red, conocidos como nodos sensores. De esta forma, se evita la dependencia de recursos remotos de la nube, aprovechando la capacidad de cómputo disponible en Estaciones Base y otros dispositivos IoT. Gracias a esto, se consigue la reducción de la latencia y la eficiencia en la ejecución de tareas. Esto se manifiesta de gran utilidad en el Extreme Edge, conformado por aquellos dispositivos situados en el Edge que presentan recursos muy limitados, con muy poca capacidad de cómputo y fuentes de energía limitadas. La aplicación de estrategias MEC en WSN trae consigo numerosos retos. Estos derivan de las limitaciones que presentan los nodos sensores y estaciones base que conforman estas redes, que llevan a la aparición de complejos problemas de optimización. Hoy en día, los algoritmos de optimización han demostrado ser una herramienta muy poderosa para abordar desafíos complejos y tomar decisiones informadas. En particular, presentan una gran utilidad a la hora de resolver los problemas originados de la aplicación de MEC en redes de sensores. En el presente trabajo, se aborda el desafío de distribuir de manera eficiente el ancho de banda proporcionado por una Estación Base (Base Station, BS) entre los nodos de una red, con el objetivo de minimizar el consumo energético de estos últimos. Dada esta arquitectura de red, se plantea la posibilidad de abordar el procesamiento de la tarea de distintas maneras, dando lugar a diferentes niveles de offloading. Cada uno de estos niveles representa una partición específica de la tarea en dos fragmentos, de forma que uno de ellos se procese localmente y el otro sea procesado por la BS. En este contexto, el término ancho de banda se refiere a su acepción relacionada con el procesamiento de datos. En otras palabras, se trata del máximo número de bytes que la BS puede compartir en un momento específico. Así, se plantea un problema de optimización para la distribución de ancho de banda entre los nodos con el objetivo principal de minimizar el consumo de batería de estos. Esta asignación debe cumplir con la restricción impuesta por el ancho de banda limitado. Además, se busca lograr el objetivo adicional de maximizar la duración de la red, es decir, garantizar una degradación energética equilibrada entre los nodos para evitar que alguno de los nodos agote su batería prematuramente y, por ende, el fin anticipado de la vida útil de la red. Para la resolución de este problema, y con el fin de estudiar distintas metodologías de resolución de problemas de optimización, se estudian e implementan distintas variantes de tres tipos de algoritmos: Algoritmos Iterativos (IBA), Algoritmos Genéticos (GA) y Algoritmos de Enjambre de Partículas (PSO). Tras la programación de ocho algoritmos distintos: dos IBA, tres GA y tres PSO, se lleva a cabo una rigurosa simulación que conduce a una evaluación comparativa de la eficiencia, viabilidad y rendimiento de los mismos. Los resultados abarcan tanto el consumo medio, como indicador del objetivo principal, como la desviación típica entre el estado de las baterías al finalizar la simulación, que cuantifica la uniformidad en el consumo. Además, se analizan los tiempos de ejecución de los algoritmos. Luego de llevar a cabo estas simulaciones y comparativas, se concluye que cada una de las metodologías estudiadas posee una utilidad específica en función de las particularidades de la red y del objetivo que se pretenda lograr al implementar estrategias de Mobile Edge Computing en la misma. Esto lleva a una segunda conclusión: esta investigación podría sentar las bases para un proyecto de mayor envergadura, el cual desarrolle un programa capaz de determinar, a partir de las especificaciones de la red y los objetivos planteados, la estrategia de offloading más adecuada o identificar el algoritmo m´as apropiado para aplicar a la red