[論文レビュー] Energy Efficiency and Delay Tradeoff in an MEC-Enabled Mobile IoT Network

Han Hu, Weiwei Song+3 more|arXiv (Cornell University)|Feb 8, 2022

IoT and Edge/Fog Computing被引用数 5

ひとこと要約

本稿では、動的ユーザー移動性、変動するチャネル状態、確率的タスク到着を伴うマルチユーザー・マルチサーバー MEC 拡張 IoT ネットワークにおいて、オンラインオフロードおよびリソース割り当てアルゴリズムを提案する。Lyapunov 最適化と部分モジュラー法を活用することで、エネルギー効率（EE）とサービス遅延の間で [O(1/V), O(V)] のトレードオフを達成する。アルゴリズムは、長期的な EE 最小化を保証するとともに、キュー安定性とハードウェア制約（ピーク電力、CPU 周波数、ユーザー数制限）を満たす。

ABSTRACT

Mobile Edge Computing (MEC) has recently emerged as a promising technology in the 5G era. It is deemed an effective paradigm to support computation-intensive and delay critical applications even at energy-constrained and computation-limited Internet of Things (IoT) devices. To effectively exploit the performance benefits enabled by MEC, it is imperative to jointly allocate radio and computational resources by considering non-stationary computation demands, user mobility, and wireless fading channels. This paper aims to study the tradeoff between energy efficiency (EE) and service delay for multi-user multi-server MEC-enabled IoT systems when provisioning offloading services in a user mobility scenario. Particularly, we formulate a stochastic optimization problem with the objective of minimizing the long-term average network EE with the constraints of the task queue stability, peak transmit power, maximum CPU-cycle frequency, and maximum user number. To tackle the problem, we propose an online offloading and resource allocation algorithm by transforming the original problem into several individual subproblems in each time slot based on Lyapunov optimization theory, which are then solved by convex decomposition and submodular methods. Theoretical analysis proves that the proposed algorithm can achieve a $[O(1/V), O(V)]$ tradeoff between EE and service delay. Simulation results verify the theoretical analysis and demonstrate our proposed algorithm can offer much better EE-delay performance in task offloading challenges, compared to several baselines.

研究の動機と目的

• 非定常状態下におけるマルチユーザー・マルチサーバー MEC 拡張 IoT ネットワークにおけるエネルギー効率（EE）とサービス遅延の根本的トレードオフを解決すること。
• ユーザー移動性、時間変動する無線チャネル、確率的タスク到着を考慮した、無線リソースと計算リソースの共同最適化を行うこと。
• 長期的なネットワーク性能保証（タスクキュー安定性、ハードウェア制約（ピーク電力、CPU 周波数、ユーザー数制限））を確保すること。
• 将来のチャネル状態やタスク到着の知識が事前に得られない状況でも動作するオンラインアルゴリズムを開発すること。

提案手法

• キュー安定性、ピーク送信電力、最大 CPU サイクル周波数、ユーザー数の制約を満たす長期平均 EE を最小化するための確率的最適化問題を定式化する。
• Lyapunov 最適化理論を用いて、動的変数を分離するための時間スロット単位の部分問題に元問題を変換する。
• 各部分問題を、電力および帯域割り当ての凸分解と、タスクオフロード意思決定の部分モジュラー最適化により解く。
• 最適解の近似を実現するための確率的アルゴリズムを導入し、ドリフト＋ペナルティ解析を用いて性能バウンドを導出する。
• EE と遅延のバランスを取るために Lyapunov 関数を用い、性能トレードオフを制御するパrameter V を導入する。
• ユーザーのオフロード意思決定とリソース割り当ての結合性を扱うために、双対分解アプローチを採用する。

実験結果

リサーチクエスチョン

• RQ1 動的ユーザー移動性を伴うマルチユーザー・マルチサーバー MEC 拡張 IoT ネットワークにおいて、エネルギー効率とサービス遅延をどのように共同最適化できるか？
• RQ2 時間変動するチャネルと確率的タスク到着下での長期的エネルギー効率と平均サービス遅延の根本的トレードオフは何か？
• RQ3 将来のチャネル状態やタスク到着の知識が得られない状況でも、リソース割り当てをどのようにリアルタイムで実行できるか？
• RQ4 動的 MEC 環境下で、キュー安定性およびハードウェア制約に対する性能保証はどのように提供できるか？
• RQ5 実用的システム制約下で、低複雑度のオンラインアルゴリズムが近似的に最適な EE-遅延トレードオフを達成できるか？

主な発見

• 提案アルゴリズムは、Lyapunov 分析を用いて理論的性能バウンドを証明し、エネルギー効率とサービス遅延の間で [O(1/V), O(V)] のトレードオフを達成する。
• シミュレーション結果は理論的トレードオフを確認し、ランダムオフロードや固定電力割り当てといったベースラインアルゴリズムと比較して、顕著な EE-遅延性能の向上を示す。
• すべてのテスト環境で安定したタスクキューを維持し、QoS 要件を満たしている。
• 最大 CPU サイクル周波数および送信電力制限を満たしつつ、平均ネットワークエネルギー消費量を最小化する。
• ユーザー移動性および時間変動するチャネル状態に対して、アルゴリズムは頑健であり、EE および遅延の両面でベンチマークを上回る性能を示す。
• ネットワーク EE の上界として $\eta_{EE}^{*} \leq \frac{C_1 + C_2}{V} + \eta_{EE}^{\text{opt}}$ が導出され、V が増加するに従い最適 EE に収束することが示された。