[論文レビュー] Energy-aware Allocation of Graph Jobs in Vehicular Cloud Computing-enabled Software-defined IoV

Minghui Liwang, Zhibin Gao+3 more|arXiv (Cornell University)|Apr 4, 2020

IoT and Edge/Fog Computing参考文献 15被引用数 4

ひとこと要約

本稿では、ソフトウェア定義型IoVに実装された車両クラウドコンピューティング（VCC-SDIoV）におけるグラフジョブのエネルギーアウェアな割り当てのため、構造を保全する2段階のアルゴリズムを提案する。この手法は、階層的ツリーに基づく部分グラフ同型写像を用いたテンプレート発見と、構造を保全するシミュレーテッド・アニーリング（SPSA）法を用いた電力割り当てを分離し、ベースライン手法と比較してジョブ完了時間とエネルギー消費の両方を顕著に削減する。

ABSTRACT

Software-defined internet of vehicles (SDIoV) has emerged as a promising paradigm to realize flexible and comprehensive resource management, for next generation automobile transportation systems. In this paper, a vehicular cloud computing-based SDIoV framework is studied wherein the joint allocation of transmission power and graph job is formulated as a nonlinear integer programming problem. To effectively address the problem, a structure-preservation-based two-stage allocation scheme is proposed that decouples template searching from power allocation. Specifically, a hierarchical tree-based random subgraph isomorphism mechanism is applied in the first stage by identifying potential mappings (templates) between the components of graph jobs and service providers. A structure-preserving simulated annealing-based power allocation algorithm is adopted in the second stage to achieve the trade-off between the job completion time and energy consumption. Extensive simulations are conducted to verify the performance of the proposed algorithms.

研究の動機と目的

• 車両クラウドコンピューティングに実装されたソフトウェア定義型IoV（VCC-SDIoV）における送信電力とグラフジョブ割り当ての共同最適化を解決すること。
• 動的でリソース制限のある車両ネットワーク下で、ジョブ完了時間とエネルギー消費のトレードオフを最小化すること。
• 複雑な共同割り当て問題を、テンプレート発見と電力割り当てという2つの管理可能な段階に分離すること。
• 電力割り当て中にグラフのトポロジーを保持する構造を保全するシミュレーテッド・アニーリング（SPSA）アルゴリズムの開発

提案手法

• 最初の段階で、階層的ツリーに基づくランダム部分グラフ同型写像機構を用いて、潜在的なコンポーネントからサービスプロバイダーへのマッピング（テンプレート）を同定する。
• 2番目の段階で、グラフ依存関係を保持しながら送信電力割り当てを最適化する構造を保全するシミュレーテッド・アニーリング（SPSA）アルゴリズムを適用する。
• データフロー制約、電力制限、タスク依存関係を含む非線形整数プログラミング問題として、共同割り当てをモデル化する。
• 温度制御されたSPSA手順を採用し、局所最適解から脱出可能となるように、より悪い解の確率的受容を可能にする。
• 動的ネットワーク環境下でのエネルギーと遅延のバランスを取るために、ラプラシアン最適化の原則を統合する。
• 実行時間とエネルギー消費を組み合わせた正規化された目的関数（式5）を用い、単位の正規化にε1とε2を用いる。

実験結果

リサーチクエスチョン

• RQ1 VCC-SDIoVにおけるグラフジョブ割り当てと送信電力の共同最適化は、どのようにして完了時間とエネルギー消費の両方を最小化できるか？
• RQ2 テンプレート発見と電力割り当てを分離することの、車両ネットワークにおけるグラフジョブスケジューリング性能に与える影響は何か？
• RQ3 構造を保全するシミュレーテッド・アニーリング（SPSA）アルゴリズムは、複雑な解空間を効果的に探索し、近似的最適な電力割り当てを効果的に見つけられるか？
• RQ4 本手法は、均一電力割り当て、ウォーター・フィリング、およびランダム電力割り当て戦略と比較して、目的関数性能においてどのように差を示すか？
• RQ5 SPSA手順は、電力割り当ての過程で局所最適解からの脱出をどの程度有効に可能にしているか？

主な発見

• 提案されたTS-HTRS+SPSAアルゴリズムは、すべてのベースライン（TS-HTRS+UD、TS-HTRS+WF、JRA）を上回り、目的関数値が低いため、エネルギーと遅延のトレードオフが優れていることが示された。
• 273個のテンプレートを対象とした結果、HTRS+SPSA法は代替手法と比較して一貫して優れた性能を示し、さまざまなマッピングにおいても頑健であることが確認された。
• 図4(b)の結果から、SPSA手順が局所最適解から脱出できており、収束に至るまでの間、目的関数値の変動が観察された。
• 車両クラウドにおけるサービスプロバイダー（SP）の数が増加するにつれ、すべての手法の性能が向上するが、TS-HTRS+SPSAは最大の差を維持した。
• ランダムな共同割り当て（JRA）手法は、常に最高の目的関数値を示し、ランダムな割り当てではなく構造的最適化の利点が裏付けられた。