[論文レビュー] Computation Rate Maximization for Wireless Powered Mobile Edge Computing

Feng Wang|arXiv (Cornell University)|Jul 17, 2017

Energy Harvesting in Wireless Networks参考文献 9被引用数 6

ひとこと要約

本稿では、複数のアンテナを備えたAPがエネルギービームフォーミングを用いてユーザーを充電し、TDMAを介してオフロードを調整する、無線給電型マルチユーザー・モバイルエッジコンピューティング（MEC）システムにおける計算レートを最大化するための共同最適化フレームワークを提案する。凸最適化を用いて半閉形式で最適解を導出しており、ベンチマークと比較して顕著な性能向上を達成している。

ABSTRACT

Integrating mobile edge computing (MEC) and wireless power transfer (WPT) has been regarded as a promising technique to improve computation capabilities for self-sustainable Internet of Things (IoT) devices. This paper investigates a wireless powered multiuser MEC system, where a multi-antenna access point (AP) (integrated with an MEC server) broadcasts wireless power to charge multiple users for mobile computing. We consider a time-division multiple access (TDMA) protocol for multiuser computation offloading. Under this setup, we aim to maximize the weighted sum of the computation rates (in terms of the number of computation bits) across all the users, by jointly optimizing the energy transmit beamformer at the AP, the task partition for the users (for local computing and offloading, respectively), and the time allocation among the users. We derive the optimal solution in a semi-closed form via convex optimization techniques. Numerical results show the merit of the proposed design over alternative benchmark schemes.

研究の動機と目的

• 無線給電とモバイルエッジコンピューティングを用いた自己持続型IoTデバイスにおける限られたエネルギーおよび計算リソースの課題に対処すること。
• 時間分割多重アクセス（TDMA）を用いた複数アンテナ・マルチユーザーMECシステムにおいて、複数ユーザーの重み付き合計計算レートを最大化すること。
• 送信パワー制約およびMEC処理能力制約の下で、エネルギービームフォーミング、タスクオフロード分割、時間割り当てを共同最適化すること。

提案手法

• エネルギーおよび計算制約の下で重み付き合計計算レートを最大化する非凸最適化問題を定式化する。
• ラグランジュ双対性およびカールシュ＝クーン＝タッカー（KKT）条件を適用し、半閉形式で最適解を導出する。
• 非凸性を解消するため、凸緩和とデュアル分解を用いる。この非凸性はビームフォーミング、タスク分割、時間割り当てに起因する。
• ユーザー固有のチャネル状態および計算要求に基づいて、最適な時間割り当ておよびタスク分割の閉形式表現を導出する。
• 重み付き合計レート最大化を通じて、エネルギー回収制約とMEC処理能力、システム全体の公平性を統合する。
• 3段階の最適化（ビームフォーミング、時間割り当て、タスクオフロード分割）を繰り返しデュアル分解により解く。

実験結果

リサーチクエスチョン

• RQ1 無線給電型MECシステムにおける計算レートを最大化するために、エネルギービームフォーミング、タスク分割、時間割り当てをどのように共同最適化できるか。
• RQ2 エネルギーおよび計算制約下で、ローカル計算とオフロードの最適なトレードオフは何か。
• RQ3 ユーザーのチャネル品質、計算要求、ビームフォーミング設計が、システム性能に与える影響は何か。
• RQ4 ユーザー固有の重みが全体の計算レート最大化に与える影響は何か。
• RQ5 凸最適化技術を用いて、共同最適化問題を半閉形式で解くことは可能か。

主な発見

• 提案手法の共同最適化は、特に高移動度または低チャネル品質の環境下で、ベンチマーク手法と比較して重み付き合計計算レートにおいて顕著な向上を達成する。
• 最適な時間割り当ておよびタスク分割は、ユーザー固有のチャネル利得、計算要求、エネルギー回収効率に基づき、閉形式で導出されている。
• エネルギービームフォーミング設計により、チャネル状態が良好なユーザーに集中して送信パワーを配分することで、システム性能が著しく向上する。
• 半閉形式の解法により、低計算量で効率的な実装が可能となり、リアルタイム導入に適している。
• 数値結果により、ビームフォーミング、時間、タスク分割のうち1つまたは2つの変数のみを最適化する従来手法と比較して、提案手法が優れた性能を発揮することが確認された。
• 計算負荷とエネルギー配分をユーザー間でバランスさせることで、システム全体の公平性およびエネルギー効率が向上する。