[論文レビュー] BARGAIN-MATCH: A Game Theoretical Approach for Resource Allocation and Task Offloading in Vehicular Edge Computing Networks

Zemin Sun, Geng Sun+3 more|arXiv (Cornell University)|Mar 26, 2022

Privacy-Preserving Technologies in Data被引用数 4

ひとこと要約

本稿では、車両エッジコンピューティング（VEC）ネットワークにおける共同リソース割り当てとタスクオフロードを目的としたゲーム理論的フレームワーク、BARGAIN-MATCHを提案する。内部分配には交渉ゲームを、相互間の負荷バランスには多対一マッチングを用い、安定性、弱パレート最適性、多項式時間計算量を達成する。シミュレーションにより、高負荷下でも優れたシステム効用と効率性を示した。

ABSTRACT

Vehicular edge computing (VEC) is emerging as a promising architecture of vehicular networks (VNs) by deploying the cloud computing resources at the edge of the VNs. This work aims to optimize resource allocation and task offloading in VEC networks. Specifically, we formulate a game theoretical resource allocation and task offloading problem (GTRATOP) that aims to maximize the system performance by jointly considering the incentive for cooperation, competition among vehicles, heterogeneity between VEC servers and vehicles, and inherent dynamic of VNs. Since the formulated GTRATOP is NP-hard, we propose an adaptive approach for resource allocation and task offloading in VEC networks by incorporating bargaining game and matching game, which is called BARGAIN-MATCH. First, for resource allocation, a bargaining game-based incentive is proposed to stimulate the vehicles and VEC servers to negotiate the optimal resource allocation and pricing decisions. Second, for task offloading, a many-to-one matching scheme is proposed to decide the optimal offloading strategies. Third, the dynamic and time-varying features are considered to adapt the strategies of BARGAIN-MATCH to the real-time VEC networks. Moreover, the BARGAIN-MATCH is proved to be stable and weak Pareto optimal. Simulation results demonstrate that the proposed BARGAIN-MATCH achieves superior system performance and efficiency compared to other methods, especially when the system workload is heavy.

研究の動機と目的

• 高動的かつ計算リソースが制限された車両エッジコンピューティング（VEC）ネットワークにおける効率的なリソース管理とタスクオフロードの課題に対処すること。
• VECサーバーおよびクラウドノード間の計算能力の非均一性と、タスク要件の空間的・時間的非均一性を統合的に調整すること。
• システム効用を最大化するために、サーバー内およびサーバー間のリソース割り当てとタスクオフロード戦略を共同最適化すること。
• リアルタイムのVEC環境に適した低複雑性、安定性、パレート最適性を満たすアルゴリズムを設計すること。

提案手法

• 水平（車両同士、エッジ同士）および垂直（車両-エッジ-クラウド）連携を調整するためのSDNベースのコントローラーを備えた階層的VECアーキテクチャを提案する。
• 移動性、チャネルの変動、NOMA、エネルギー消費、タスクのQoS要件を統合した、共同リソース割り当てとタスクオフロード問題（JRATOP）を定式化する。
• 車両とVEC/クラウドサーバー間の公平かつ効率的な価格設定とリソース割り当てを促進するため、サーバー内リソース割り当てに交渉ゲームモデルを導入する。
• VECサーバー間の負荷バランスを最適化し、混雑を低減するため、多対一マッチングフレームワークを用いてタスクオフロードを実施する。
• BARGAIN-MATCHが安定性、弱パレート最適性を満たし、多項式時間で実行可能であることを証明し、実用的な展開可能性を保証する。
• 現実のVEC動的特性を反映させるために、非直交多重アクセス（NOMA）と移動性に配慮したタスクモデリングを統合する。

実験結果

リサーチクエスチョン

• RQ1 限られたサーバー容量下で、多様で遅延に敏感な車両タスクを公平かつ効率的に処理するためのサーバー内リソース割り当てをどのように最適化できるか？
• RQ2 VECサーバー間の負荷をバランスさせ、混雑を防ぎつつエンドツーエンド遅延を最小限に抑えるために、どのようにサーバー間タスクオフロードを設計できるか？
• RQ3 動的で変化しやすいVEC環境において、車両とエッジ/クラウドサーバー間の協働を安定的かつ効率的に保証するゲーム理論的メカニズムは何か？
• RQ4 提案手法は、既存のオフロードおよびリソース割り当て手法と比較して、高負荷下でどのように性能を発揮するか？

主な発見

• BARGAIN-MATCHは、特に高負荷下において、ベースライン手法と比較して優れたシステム効用、車両効用、サーバー効用を達成した。
• アルゴリズムはタスク処理遅延を顕著に低減し、処理レートを向上させ、密な車両ネットワークにおける優れたスケーラビリティを示した。
• 実行時間は車両数に比例して線形に増加し、多項式時間計算量および実用的妥当性を裏付けた。
• 直接意思決定手法よりも高い時間計算量であるが、OPOPRAより効率性に優れ、密なネットワークではEXOよりも高速に実行された。
• より高性能なデバイスで実行した場合、性能が19.28%から52.02%向上した。これは、強力なハードウェアスケーラビリティを示している。
• すべてのテスト環境で安定性と弱パレート最適性を維持しており、公平かつ効率的な結果を保証した。