Abstract According to industry estimates, monthly global mobile data traffic will surpass 30.6 exabytes by 2020 and global mobile data traffic will increase nearly eightfold between 2015 and 2020. Most of the mobile data traffic is generated by smartphones, and the total number of smartphones is expected to continue growing by 2020, which results in rapid traffic growth. In addition, the upcoming 5G networks and Internet of Things based communication are estimated to involve a large amount of network traffic. The increase in mobile data traffic and in the number of connected devices poses a challenge to network operators, service providers, and data center operators. If the transmission capacity of the network and the amount of data traffic are not in line with each other, congestion may occur and ultimately the quality of experience degrades. Mobile networks are also becoming more reliant on data centers that provide efficient computing power. However, the energy consumption of data centers has grown in recent years, which is a problem for data center operators. A traditional strategy to overcome these problems is to scale up the resources or by providing more efficient hardware. Resource over-provisioning increases operating and capital expenditures without a guarantee of increased average revenue per user. In addition, the growing complexity and dynamics of communication systems is a challenge for efficient resource management. Intelligent and resilient methods that can efficiently use existing resources by making autonomous decisions without intervention from human administrators are thus needed. The goal of this research is to implement, develop, model, and test algorithms that can enable efficient and energy-aware network resource management in autonomous communications systems. First, an energy-aware algorithm is introduced for high-performance computing data centers to reduce the energy consumption within a single data center and across a federation of data centers. For network access selection in heterogeneous wireless networks, two algorithms are proposed, a client side algorithm that tries to optimize users' quality of experience and a network side algorithm that focuses on optimizing the global resource usage of the network. Finally, for a video service, an algorithm is presented that can enhance the video content delivery in a controllable and resource-efficient way without major changes in the mobile network infrastructure. / Tiivistelmä Langattoman tietoliikenteen nopean kasvun ennustetaan jatkuvan edelleen lähivuosinakin ja alan teollisuuden arvioiden mukaan matkapuhelinliikenteen määrä ylittäisi globaalisti 30,6 eksatavua vuoteen 2020 mennessä. Tämä tarkoittaisi liikennemäärän kahdeksankertaistumista ajanjaksolla 2015–2020. Älypuhelimet tuottavat suurimman osan matkapuhelinliikenteestä, ja älypuhelimien lukumäärän arvioidaan jatkavan kasvuaan vuoteen 2020 saakka, mikä johtaa nopeaan liikenteen kasvuun. Tämän lisäksi arvioidaan, että 5G verkot ja esineiden Internet tuottavat suuren määrän verkkoliikennettä. Matkapuhelinliikenteen ja laitteiden määrän kasvu tuo haasteita verkko-operaattoreille, palvelun tarjoajille, ja datakeskusoperaattoreille. Mikäli verkossa ei ole tarpeeksi siirtokapasiteettia dataliikenteen määrää varten, verkko ruuhkautuu ja lopulta palvelukokemus kärsii. Matkapuhelinverkot tulevat myös tulevaisuudessa tarvitsemaan datakeskusten laskentakapasiteettia. Datakeskusten energiankulutus on kuitenkin kasvanut viime vuosina, mikä on ongelma datakeskusoperaattoreille. Perinteinen strategia ongelmien ratkaisemiseksi on lisätä resurssien määrää tai tarjota tehokkaampaa laitteistoa. Resurssien liiallinen lisääminen kasvattaa kuitenkin sekä käyttö- että pääomakustannuksia ilman takuuta siitä, että keskimääräinen myyntitulo per käyttäjä kasvaisi. Tämän lisäksi tietoliikennejärjestelmät ovat monimutkaisia ja dynaamisia järjestelmiä, minkä vuoksi tehokas resurssienhallinta on haastavaa. Tämän vuoksi tarvitaan älykkäitä ja kestäviä metodeja, jotka pystyvät käyttämään olemassa olevia resursseja tehokkaasti tekemällä autonomisia päätöksiä ilman ylläpitäjän väliintuloa. Tämän tutkimuksen tavoitteena on toteuttaa, kehittää, mallintaa, ja testata algoritmeja, jotka mahdollistavat tehokkaan ja energiatietoisen verkkoresurssien hallinnan autonomisissa tietoliikennejärjestelmissä. Tutkimus esittää aluksi supertietokonedatakeskuksiin energiatietoisen algoritmin, jonka avulla voidaan vähentää energiankulutusta yhden datakeskuksen sisällä sekä usean eri datakeskuksen välillä. Verkkoyhteyden valintaan heterogeenisissä langattomissa verkoissa esitetään kaksi algoritmia. Ensimmäinen on käyttäjäkohtainen algoritmi, joka pyrkii optimoimaan yksittäisen käyttäjän palvelukokemusta. Toinen on verkon puolen algoritmi, joka keskittyy optimoimaan verkon kokonaisresurssien käyttöä. Lopuksi esitetään videopalvelulle algoritmi, joka parantaa videosisällön jakoa kontrolloidusti ja resurssitehokkaasti ilman että matkapuhelinverkon infrastruktuurille tarvitaan muutoksia.

Abstract As mobile Internet access traffic continues to grow at an explosive rate and wireless networks continue to diverge into multiple access technologies with partly overlapping sets of features, new solutions for efficient use of these networks are vital. Cognitive network management provides tools to tackle this challenge by automatically learning from past experience the characteristics and usage patterns of the connected devices, thus enabling autonomic optimization of those connections. Cognitive network management requires a vast amount of information in order to function effectively, making collaboration of the networked devices essential as the best sources of information are scattered throughout the network. This makes efficient information dissemination one of the key enablers for autonomic networking. This dissertation studies managing control information related to autonomic selection of access networks and adapting services in a heterogeneous wireless network environment. It presents a solution to simple and efficient information dissemination in the form of Distributed Decision Engine— a CEP-like system enabling the building of a highly scalable and dynamic messaging system enabling dissemination, analysis and control of the complex series of interrelated events in the network. The dissertation also presents results showing a clear benefit in using cross-layer and cross-domain information in a modern wireless environment and validates the final prototype implementation of DDE with laboratory measurements. Effective use of disseminated cross-layer information is another key element in autonomic wireless networking. This dissertation also focuses on intelligent decision-making based on cross-layer information by presenting test results which attest that the performance of an autonomic wireless networking system can be improved by using cognitive techniques in its management algorithms, and that hierarchy and coordination can be utilized to minimize the effect of conflicting decisions of the system. / Tiivistelmä Mobiilin Internet-liikenteen räjähdysmäinen kasvu ja langattomien verkkojen jatkuva jakautuminen useisiin tekniikoihin vaativat uusia ratkaisuja näiden verkkojen tehokkaaseen käyttöön. Kognitiivinen verkon hallinta mahdollistaa oppimisen, minkä avulla laitteiden yhteyksiä voidaan optimoida autonomisesti aiemman kokemuksen perusteella. Tällainen optimointi vaatii kuitenkin valtavan määrän verkosta ja laitteista kerättyä tietoa, mikä tekee tehokkaasta tiedonjakelusta keskeisen elementin autonomisessa verkon hallinnassa. Tässä väitöskirjassa tutkitaan verkon valintaan ja palveluiden sopeuttamiseen vaadittavan tiedon välittämistä ja hallintaa autonomisissa langattomissa verkoissa. Ratkaisuna yksinkertaiseen ja tehokkaaseen tiedonvälitykseen esitellään hajautettu Distributed Decision Engine -komponentti, joka mahdollistaa skaalautuvan tiedon jakelu-, analysointi- ja hallintajärjestelmän rakentamisen. Lisäksi väitöskirjassa kuvataan myös tuloksia, jotka osoittavat, että verkkokerrosten välisen tiedon käyttämisellä voidaan saavuttaa selvää etua, sekä tuloksia, jotka vahvistavat DDE-prototyyppitoteutuksen toimivuuden laboratoriomittauksin. Verkkokerrosten välisen tiedon tehokas hyödyntäminen on toinen keskeinen tekijä autonomisessa langattomien verkkojen hallinnassa. Väitöskirjassa käsitellään myös älykästä päätöksentekoa kyseisen informaation pohjalta sekä esitellään tuloksia, jotka osoittavat, että päätöksentekoa autonomisessa langattomien verkkojen hallinnassa voidaan parantaa kognitiivisilla tekniikoilla. Lisäksi esitetyt tulokset osoittavat, että hierarkialla sekä koordinoinnilla voidaan minimoida ristiriitaisten päätösten vaikutukset järjestelmään.