As mobile devices proliferate at network edges and fog computing brings the cloud closer to mobile devices, it is expected that increasing development and deployment of services will expedite the era of edge network. In this paper, we study the issues at network edges. First, we analyze the economics of edge network where there are complex interplays among the players such as Infrastructure provider, service provider, service user, and edge resource owner. I provide an equilibrium analysis of the market which gives an insight on how many economic benefits are obtained by each player under what condition. From the result of our analysis we propose two ap- proaches to accelerate fog computing. The first approach is designing a new MAC protocol for IoT applications in the edge network, called Bird-MAC, which is highly energy efficient in periodic data transmission applications. Second, we propose a learning framework, called SchedNet, for learning to manage network resource by schedul- ing inter-agent communications in fully-cooperative multi-agent tasks. These two approaches reduce the cost of using edge resource and improve the quality of services at network edges so that it results in additional economic benefits for all players at network edges. Consequently, this dissertation contributes to the understanding of the edge network and on how to use the edge resource efficiently by learning or designing an algorithm.
최근 모바일 단말 기술의 발전으로 다양한 종류의 단말들이 네트워크의 가장자리, 즉 에지 네트워크에서 폭발적으로 증가하고 있으며, 기존 클라우드 컴퓨팅을 네트워크의 에지로 가져오는 포그컴퓨팅 개념의 등 장으로 다양한 종류의 서비스들이 네트워크의 에지에서 활발하게 제공 될 것으로 기대된다. 본 논문에서는 포그컴퓨팅 및 에지 네트워크에서 이슈들를 다루고 있다. 첫째로, 에지 네트워크 시장의 경제성을 분석하는 연구를 수행하였다. 게임이론을 이용하여 에지 네트워크에 존재하는 다양한 경제 주체들 간의 경제적 관계를 분석하고 이를 통하여 포그컴퓨팅을 도입함으로써 각 경제 주체들이 얻을 수 있는 경제적인 이익 및 수익 이발생할수있는조건을살펴보았다. 이를바탕으로우리는다음의두가지에지네트워크의발전방법에 대한 연구를 수행하였다. 첫 번째 연구에서는 에지에서의 통신을 에너지 효율적으로 하기 위한 프로토콜인 Bird-MAC을 제안하였다. 모바일 단말들로부터 주기적인 데이터 수집이 요구되는 응용에서 이러한 트래픽의 특성을 활용하여 에너지 효율적으로 동기화 및 데이터 전송을 할 수 있는 알고리즘을 설계 및 구현하였다. 두 번째 연구는 에지의 네트워크 자원을 효율적으로 사용하기 위하여 인공지능을 사용하는 방법에 대한 연구 이다. 제한적인 통신만이 가능한 상황에서 여러 개의 에이전트가 서로 협력하는 상황은 다중 에이전트 강화 학습 문제로 모델링 될 수 있으며, 에이전트간의 협력을 위한 목표로 에이전트들이 네트워크 자원을 어떻게 관리하고 사용해야하는지 학습을 통해 결정하는 연구를 진행하였다. 위의 두 가지 접근 방법은 에지 네트워크 자원을 사용하는 비용을 줄여주며, 또한 서비스의 품질 향상에 기여하여 에지 네트워크 시장의 모든 경제 주체 에게 추가적인 경제적 수익을 얻을 수 있도록 해준다. 결과적으로 본 논문은 에지 네트워크의 경제적 구조를 이해하고, 알고리즘을 설계하고, 학습 방법을 제시함으로써 에지 자원을 효율적으로 사용하는데 기여하였다.
