[論文レビュー] Delay-Energy Joint Optimization for Task Offloading in Mobile Edge Computing

Zhuang Wang, Weifa Liang+2 more|arXiv (Cornell University)|Apr 27, 2018

IoT and Edge/Fog Computing参考文献 11被引用数 9

ひとこと要約

本稿は、モバイルエッジコンピューティング（MEC）におけるタスクオフロードのための遅延-エネルギー連携最適化フレームワークを提案する。移動端末におけるCPUサイクル周波数スケーリング、サーバ選択、タスク割り当てを連携して最適化することで、遅延制約を満たしつつエネルギー消費を最小化する。この手法は、混合整数非線形計画問題（MINLP）を多項式時間で解ける非線形計画問題に緩和し、緩和解から妥当解を導出する。シミュレーションでは、ベースライン手法と比較して優れた性能を示す。

ABSTRACT

Mobile-edge computing (MEC) has been envisioned as a promising paradigm to meet ever-increasing resource demands of mobile users, prolong battery lives of mobile devices, and shorten request response delays experienced by users. An MEC environment consists of many MEC servers and ubiquitous access points interconnected into an edge cloud network. Mobile users can offload their computing-intensive tasks to one or multiple MEC servers for execution to save their batteries. Due to large numbers of MEC servers deployed in MEC, selecting a subset of servers to serve user tasks while satisfying delay requirements of their users is challenging. In this paper, we formulate a novel delay-energy joint optimization problem through jointly considering the CPU-cycle frequency scheduling at mobile devices, server selection to serve user offloading tasks, and task allocations to the selected servers. To this end, we first formulate the problem as a mixed-integer nonlinear programming, due to the hardness to solve this nonlinear programming, we instead then relax the problem into a nonlinear programming problem that can be solved in polynomial time. We also show how to derive a feasible solution to the original problem from the solution of this relaxed solution. We finally conduct experiments to evaluate the performance of the proposed algorithm. Experimental results demonstrate that the proposed algorithm is promising.

研究の動機と目的

• モバイルエッジコンピューティング（MEC）環境におけるエネルギー消費と応答遅延の最小化という課題に対処すること。
• オフロードされたタスクのためのCPUサイクル周波数スケジューリング、サーバ選択、タスク割り当てを連携して最適化すること。
• 遅延-エネルギー連携最適化のための混合整数非線形計画問題（MINLP）を定式化すること。
• MINLPを多項式時間で解ける非線形計画問題（NLP）に緩和し、計算効率を向上させること。
• 緩和解から元の問題の妥当解を導出すること。

提案手法

• エネルギーと遅延のトレードオフを考慮して、タスクオフロード問題を混合整数非線形計画問題（MINLP）として定式化する。
• MINLPを非線形計画問題（NLP）に緩和することで、多項式時間で解けるようにする。
• ジェンセンの不等式と凸最適化技術を適用して、境界を導出し、解の妥当性を保証する。
• 移動端末におけるエネルギー消費を最適化するために、動的電圧周波数スケーリング（DVFS）を用いる。
• 緩和されたNLP解から、丸め処理と割り当て調整を用いて、元のMINLP問題の妥当解を導出する。
• サーバ数（m）やタスク重み係数（α）などのパラメータを用いたシミュレーション評価により、性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 モバイルエッジコンピューティングのタスクオフロードにおいて、エネルギー消費と処理遅延をどのように連携して最小化できるか？
• RQ2 ローカル実行と複数のMECサーバへのオフロードの間で、最適なトレードオフは何か？
• RQ3 選択されたMECサーバの数が、全体の遅延とエネルギー消費にどのように影響するか？
• RQ4 遅延とエネルギーのバランスを調整する重み係数αが、システム性能に与える影響は何か？
• RQ5 緩和された非線形計画問題の解を、元の離散最適化問題の妥当解に効果的に変換できるか？

主な発見

• 提案アルゴリズム（TOS）は、評価されたすべてのアルゴリズムの中で最小の全体遅延を達成しており、特に選択されたサーバ数（m）が小さい場合（m ≤ 8）に顕著である。
• m ≤ 8 の場合、TOSはローカル処理の増加に起因して高いエネルギー消費を示すが、mが8を越えて増加するにつれてその影響は薄れる。
• 重み係数αを増加させることで、α = 70まで遅延が低下するが、それ以上に増加させても遅延に顕著な影響はない。
• TOSとLocal_Executionは、αが増加するにつれてエネルギー消費が増加する傾向を示しており、遅延最小化とエネルギー効率の間のトレードオフが顕在化している。
• TOSは、ベースライン手法（Local_Execution, MEC_Execution, Mixed_Execution）を上回り、遅延とエネルギー効率の両面で優れた性能を示しており、実験結果が理論的推定値を上回ることを確認した。
• 緩和手法により、難易度の高いMINLPが取り扱いやすいNLPに変換され、導出された妥当解は高い性能を維持しており、手法の有効性が裏付けられた。