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

Suzhi Bi, Ying Jun|arXiv (Cornell University)|Aug 29, 2017

Energy Harvesting in Wireless NetworksEngineering被引用数 21

ひとこと要約

本稿は、二値オフロード（デバイスがローカルで計算するか、完全にMECサーバーにタスクをオフロードする）を伴う無線駆動型モバイルエッジコンピューティング（WPC）ネットワークにおける計算レートの最大化を目的とした共同最適化フレームワークを提案する。座標降下法とADMMベースの分解法の2つのアルゴリズムを導入し、時間、電力、計算モードのリソース割り当てを効率的に行う。ADMM手法は大規模ネットワークにおいても良好にスケーリングされ、シミュレーションでは近似的最適性能を達成する。

ABSTRACT

In this paper, we consider a multi-user mobile edge computing (MEC) network powered by wireless power transfer (WPT), where each energy-harvesting WD follows a binary computation offloading policy, i.e., data set of a task has to be executed as a whole either locally or remotely at the MEC server via task offloading. In particular, we are interested in maximizing the (weighted) sum computation rate of all the WDs in the network by jointly optimizing the individual computing mode selection (i.e., local computing or offloading) and the system transmission time allocation (on WPT and task offloading). The major difficulty lies in the combinatorial nature of multi-user computing mode selection and its strong coupling with transmission time allocation. To tackle this problem, we first consider a decoupled optimization, where we assume that the mode selection is given and propose a simple bi-section search algorithm to obtain the conditional optimal time allocation. On top of that, a coordinate descent method is devised to optimize the mode selection. The method is simple in implementation but may suffer from high computational complexity in a large-size network. To address this problem, we further propose a joint optimization method based on the ADMM (alternating direction method of multipliers) decomposition technique, which enjoys much slower increase of computational complexity as the networks size increases. Extensive simulations show that both the proposed methods can efficiently achieve near-optimal performance under various network setups, and significantly outperform the other representative benchmark methods considered.

研究の動機と目的

• IoTおよびWSNデバイスにおける有限なバッテリーライフと低レベルの計算能力という二重の制限を解決すること。
• 二値オフロードを伴うマルチユーザー無線駆動型MECシステムにおける重み付き合計計算レートを最大化すること。
• WPTおよびオフロードのための送信時間割り当てと、計算モード選択（ローカル対オフロード）を共同で最適化すること。
• モード選択の組み合わせ的性質と時間割り当てとの結合性に対処できる、低複雑性でスケーラブルなアルゴリズムの開発。
• 多様なネットワーク構成およびベンチマーク手法との比較を含む、性能評価。

提案手法

• 計算モード選択を最初に固定し、その後そのモード下での最適時間割り当てを二分探索法で求める、分離最適化アプローチを提案。
• 条件付き最適時間割り当てをサブルーチンとして用い、反復的にモード選択を最適化する座標降下法を採用。
• 問題を分解可能にするADMMベースの共同最適化手法を構築し、ネットワークサイズNに対してO(N)の複雑性でスケーラブルな計算を実現。
• 制約を扱うためにラグランジュ緩和とデュアル分解を用い、デュアル変数νは部分勾配法により更新。
• ラグランジアンの偏微分に基づき、ラムゼット・ワイ関数を用いて最適時間割り当ての閉形式表現を導出。
• 単調に減少する方程式Q(ν*)=0を満たす唯一のν*を特定することでデュアル問題を解き、最適性を保証。

実験結果

リサーチクエスチョン

• RQ1 時間とモードの共同最適化下で、二値オフロードを伴う無線駆動型MECネットワークにおける計算レートをどのように最大化できるか？
• RQ2 RF信号からエネルギーを回収するデバイスにおいて、エネルギーと遅延の観点から、ローカル計算とオフロードの間にはどのようなトレードオフが存在するか？
• RQ3 大規模ネットワークにおけるマルチユーザーのモード選択の組み合わせ的複雑性を効率的に管理するにはどうすればよいか？
• RQ4 計算レートとスケーラビリティの観点から、提案手法のベンチマーク手法に対する性能向上はどの程度か？
• RQ5 提案手法の計算複雑性は、ネットワークサイズの増加に伴いどのように変化するか？

主な発見

• 座標降下法（CD）は近似的最適性能を達成するが、O(N³)の計算複雑性を示し、大規模ネットワークには不適切である。
• ADMMベースの手法はネットワークサイズに比例してスケーリングされ、O(N)の複雑性を示し、大規模展開に適している。
• 提案された2つのアルゴリズムとも、さまざまなネットワーク構成およびチャネル状態において、ベンチマーク手法を著しく上回る計算レート性能を示す。
• ADMMベースの手法は、複雑性の増加が著しく遅いため、マスィブIoTおよび高密度WSN環境に最適である。
• 理論的分析により、最適デュアル変数ν*が存在し、かつ一意に定まることを確認し、最適化プロセスの収束を保証。
• シミュレーション結果は、提案手法の有効性を裏付け、従来手法に比べて重み付き合計計算レートが顕著に向上することを示している。