[論文レビュー] Energy-Efficient Resource Allocation in Multi-UAV-Assisted Two-Stage Edge Computing for Beyond 5G Networks

Nway Nway Ei, Madyan Alsenwi+3 more|arXiv (Cornell University)|Nov 24, 2020

UAV Applications and Optimization被引用数 5

ひとこと要約

本稿では、無人航空機（UAV）と地上基地局（TBS）が協働してモバイルデバイスからの計算集約的タスクを処理する、マルチ-UAV支援型2段階エッジコンピューティングフレームワークを提案する。ブロック逐次上界最小化（BSUM）アルゴリズムを用いてタスクオフロード、通信、計算リソースを共同最適化することで、遅延制約を満たしつつ総消費エネルギーを最小化し、ベースライン手法に比べ優れた性能を達成する。

ABSTRACT

Unmanned aerial vehicle (UAV)-assisted multi-access edge computing (MEC) has become one promising solution for energy-constrained devices to meet the computation demand and the stringent delay requirement. In this work, we investigate a multiple UAVs-assisted two-stage MEC system in which the computation-intensive and delay-sensitive tasks of mobile devices (MDs) are cooperatively executed on both MEC-enabled UAVs and terrestrial base station (TBS) attached with the MEC server. Specifically, UAVs provide the computing and relaying services to the mobile devices. In this regard, we formulate a joint task offloading, communication and computation resource allocation problem to minimize the energy consumption of MDs and UAVs by considering the limited communication resources for the uplink transmission, the computation resources of UAVs and the tolerable latency of the tasks. The formulated problem is a mixed-integer non-convex problem which is NP hard. Thus, we relax the channel assignment variable from the binary to continuous values. However, the problem is still non-convex due to the coupling among the variables. To solve the formulated optimization problem, we apply the Block Successive Upper-bound Minimization (BSUM) method which guarantees to obtain the stationary points of the non-convex objective function. In essence, the non-convex objective function is decomposed into multiple subproblems which are then solved in a block-by-block manner. Finally, the extensive evaluation results are conducted to show the superior performance of our proposed framework.

研究の動機と目的

• 一時的なイベントや災害地域などの動的環境において、エネルギー制約のあるモバイルデバイスが計算集約的で遅延に敏感なタスクを処理する困難に取り組む。
• 地上基地局（TBS）のみのMECやUAVのみのシステムの限界を克服し、MEC対応UAVとTBS間での協働タスク処理を可能にする。
• モバイルデバイスおよびUAVの総消費エネルギーを最小化するため、タスクオフロード、通信、計算リソース割り当ての共同最適化問題を定式化する。
• 変数の緩和とBSUMに基づく分解を用いて、問題のNP困難で混合整数非凸な性質に取り組む。
• UAVおよびモバイルデバイスの通信・計算リソースが限られている中で、厳密な遅延制約を満たすシステムの実現可能性を保証する。

提案手法

• UAVがオフロードされたタスクの一部を局所的に計算し、残りをTBSにリレーやって処理する2段階MECアーキテクチャを提案する。
• 遅延、通信、計算制約を満たす条件下で、総消費エネルギーを最小化するタスクオフロードおよびリソース割り当ての共同最適化問題を定式化する。
• 2値のチャネル割り当て変数を連続化することで、凸に近い最適化手法を可能にする。
• 非凸問題を扱いやすい部分問題に分解するため、ブロック逐次上界最小化（BSUM）アルゴリズムを適用する。
• オフロード意思決定、電力割り当て、CPU割り当ての間の結合をブロックワイズ最適化で処理し、停留点に収束させる。
• タスク完了遅延、上行リンク伝送容量、UAVのエネルギーおよびCPU制限に関する制約を最適化フレームワークに統合する。

実験結果

リサーチクエスチョン

• RQ1 マルチ-UAV支援型2段階MECシステムにおいて、UAVとTBSをどのように共同で調整すれば、消費エネルギーを最小化できるか？
• RQ2 UAVのエネルギーおよび計算リソースが限られている条件下で、UAVでの局所計算とTBSへのタスクリレーディスカッションの最適なトレードオフは何か？
• RQ3 UAVの数やタスク完了までのデッドラインが、UAVとTBS間でのオフロードタスクの分配に与える影響は何か？
• RQ4 利用可能なサブチャンネル数とデータサイズが、提案フレームワークにおけるモバイルデバイスの消費エネルギーに与える影響は何か？
• RQ5 提案されたBSUMに基づく最適化は、ベースライン手法（例：ローカル処理、完全オフロード）と比較して、総システムのエネルギー効率においてどのように差をつけるか？

主な発見

• 提案手法は、ローカル処理のみや均等オフロードといったベースライン手法と比較して、特にタスクデータサイズが増加する際、モバイルデバイスおよびUAVの消費エネルギーを顕著に低減する。
• タスクデータサイズが増大する際、効率的なUAVの活用により、提案手法ではモバイルデバイスが完全オフロードの性能に近づく最小エネルギー消費を達成する。
• UAVの数が増加するにつれ、TBSにリレーセンダされるタスクの割合が減少する。これは、UAVがより多くのタスクを局所的に処理できるためである。
• タスク完了までのデッドラインが長い場合、TBSにリレーセンダされるタスクの割合が高くなる。これは、UAVが限られたリソースを活用しながらもエネルギーを節約できるように、より多くのデータをオフロードできるためである。
• モバイルデバイスの数が増加するにつれ、システム全体の消費エネルギーは増加するが、UAV+TBS協働方式はUAVのみの方式を常に上回り、デバイスおよびUAVの両方のエネルギー消費を削減する。
• 利用可能なサブチャンネル数を増やすことで、より良い電力割り当てとUAVへの効率的なデータオフロードが可能になり、結果としてモバイルデバイスの消費エネルギーが低減する。