[論文レビュー] Joint Task Assignment and Wireless Resource Allocation for Cooperative Mobile-Edge Computing

Hong Xing, Liang Liu+2 more|arXiv (Cornell University)|Feb 7, 2018

IoT and Edge/Fog Computing参考文献 7被引用数 3

ひとこと要約

本稿では、TDMAを用いた協調モバイルエッジコンピューティングにおいて、時間と電力の割り当てを最適化しながら、個々のエネルギー制約のもとで計算遅延を最小化する、ジョイントタスク割り当てと無線リソース割り当て方式を提案する。この手法は、混合整数非線形問題（MINLP）を凸形に緩和することで、低複雑度の部分最適解を可能にし、ベンチマーク手法と比較して顕著な遅延低減を実現する。

ABSTRACT

This paper studies a multi-user cooperative mobile-edge computing (MEC) system, in which a local mobile user can offload intensive computation tasks to multiple nearby edge devices serving as helpers for remote execution. We focus on the scenario where the local user has a number of independent tasks that can be executed in parallel but cannot be further partitioned. We consider a time division multiple access (TDMA) communication protocol, in which the local user can offload computation tasks to the helpers and download results from them over pre-scheduled time slots. Under this setup, we minimize the local user's computation latency by optimizing the task assignment jointly with the time and power allocations, subject to individual energy constraints at the local user and the helpers. However, the joint task assignment and wireless resource allocation problem is a mixed-integer non-linear program (MINLP) that is hard to solve optimally. To tackle this challenge, we first relax it into a convex problem, and then propose an efficient suboptimal solution based on the optimal solution to the relaxed convex problem. Finally, numerical results show that our proposed joint design significantly reduces the local user's computation latency, as compared against other benchmark schemes that design the task assignment separately from the offloading/downloading resource allocations and local execution.

研究の動機と目的

• エネルギー制約のあるユーザーおよびヘルパーを有するマルチユーザー協調モバイルエッジコンピューティングシステムにおける計算遅延の最小化という課題に対処する。
• TDMAプロトコルと個々のエネルギー制約のもとで、タスク割り当て、時間、電力割り当てのジョイント最適化問題を定式化する。
• 混合整数非線形計画問題（MINLP）を解く計算の難易度を克服するため、これを凸問題に緩和する。
• 緩和された解に基づいて低複雑度の部分最適アルゴリズムを設計し、実用的導入を可能にする。
• タスク割り当てとリソース割り当てを別々に最適化する手法と比較して、性能向上を示す。

提案手法

• ローカルユーザーおよびすべてのヘルパーの個々のエネルギー予算制約を含む、遅延最小化問題を混合整数非線形計画問題（MINLP）として定式化する。
• 整数のタスク割り当て変数を連続変数に緩和することで、MINLPを凸最適化問題に変換する。
• 標準的な凸最適化技術を用いて緩和された凸問題を解き、グローバル最適解を取得する。
• 緩和問題の連続解を丸めて、元の問題の部分最適タスク割り当てを構築する。
• TDMAに基づく通信スケジューリングのもとで、時間と電力の割り当てをタスク割り当てと連携して、合計遅延を最小化する。
• ヒューリスティックに基づく部分最適設計を用いて性能を比較し、チャネルに配慮したおよび計算能力に配慮した割り当てルールを含む。

実験結果

リサーチクエスチョン

• RQ1 エネルギー制約のあるユーザーおよびヘルパーを有する協調MECシステムにおいて、タスク割り当てと無線リソース割り当てをどのようにジョイント最適化することで計算遅延を最小化できるか？
• RQ2 タスク割り当てとリソース割り当てを別々の設計問題として扱う手法と比較して、ジョイント最適化による性能向上はどの程度か？
• RQ3 凸緩和に基づく提案された部分最適アルゴリズムは、全探索とヒューリスティック手法と比較して、遅延と複雑度の観点でどのように異なるか？
• RQ4 エネルギー制約とヘルパーのCPU周波数が協調MECにおけるシステム遅延に与える影響は何か？
• RQ5 通信に配慮したタスク割り当てが計算能力に配慮した割り当てを上回る条件は何か？

主な発見

• 提案されたジョイント設計は、タスク割り当てとリソース割り当てを別々に最適化するベンチマーク手法と比較して、顕著に計算遅延を低減する。
• 高エネルギー制約下では、提案された部分最適解が近似的に最適なランダムサーチ解との差が無視できるほど小さい遅延性能を達成する。
• ヒューリスティック-2（計算能力に配慮した割り当て）は、エネルギー制約が-8.5 dBを超える場合にのみ、ランダム選択より優れる。低エネルギーレベルでは、計算と通信のエネルギー不均衡が顕著になるためである。
• ヘルパーのCPU周波数が上昇すると、エネルギー制約が通信時間の制限をもたらし、通信が新たなボトルネックとなるため、システム遅延は最終的に飽和する。
• ヒューリスティック-1（最良のヘルパーに通信に配慮した割り当て）は、ヘルパーのCPU周波数が2 GHzを超える場合にのみローカル実行を上回るが、この周波数を超えるとエネルギー制約により実行不能になる。
• タスク数が増加するに従い、提案手法は優れた性能を維持し、特に大規模ワークロードにおいてスケーラビリティとロバストネスを示す。