[論文レビュー] Joint Task Offloading Scheduling and Transmit Power Allocation for Mobile-Edge Computing Systems

Yuyi Mao, Jun Zhang+1 more|arXiv (Cornell University)|Jan 18, 2017

IoT and Edge/Fog Computing参考文献 13被引用数 11

ひとこと要約

本稿では、単一ユーザーのモバイルエッジコンピューティング（MEC）システムにおいて、実行遅延とデバイスのエネルギー消費量の重み付き和を最小化するため、タスクオフロードスケジューリングと送信電力割り当てを共同で最適化する低複雑度のサブオプティマルなアルゴリズムを提案する。フローフロウスケジューリング理論と凸最適化を活用することで、特に無線および計算リソースがバランスしている場合に、ほぼ最適な遅延性能を達成しつつ、顕著なエネルギー節約を実現する。

ABSTRACT

Mobile-edge computing (MEC) has emerged as a prominent technique to provide mobile services with high computation requirement, by migrating the computation-intensive tasks from the mobile devices to the nearby MEC servers. To reduce the execution latency and device energy consumption, in this paper, we jointly optimize task offloading scheduling and transmit power allocation for MEC systems with multiple independent tasks. A low-complexity sub-optimal algorithm is proposed to minimize the weighted sum of the execution delay and device energy consumption based on alternating minimization. Specifically, given the transmit power allocation, the optimal task offloading scheduling, i.e., to determine the order of offloading, is obtained with the help of flow shop scheduling theory. Besides, the optimal transmit power allocation with a given task offloading scheduling decision will be determined using convex optimization techniques. Simulation results show that task offloading scheduling is more critical when the available radio and computational resources in MEC systems are relatively balanced. In addition, it is shown that the proposed algorithm achieves near-optimal execution delay along with a substantial device energy saving.

研究の動機と目的

• 制限された無線および計算リソースを有するMECシステムにおいて、実行遅延とデバイスのエネルギー消費量を最小化する課題に対処すること。
• リソース制約下で、タスクオフロードスケジューリング（すなわち、オフロード順序）と送信電力割り当てを共同で最適化すること。
• 性能と計算可能性の両立を図る低複雑度のサブオプティマルなアルゴリズムを開発すること。
• リソースバランス（無線対計算）がスケジューリング効果に与える影響を調査すること。
• 適応的電力割り当てと最適スケジューリングを通じて、エネルギー-遅延トレードオフを実証すること。

提案手法

• 実行遅延とデバイスのエネルギー消費量の重み付き和を同時に最小化するため、混合整数非線形プログラミング（MINLP）問題を定式化する。
• 交互最小化を適用：送信電力を固定して、フローフロウスケジューリング理論を用いて最適なタスクオフロード順序を求める。
• タスクオフロードスケジュールを固定して、凸最適化技術を用いて最適な送信電力を求める。
• 逐次的MEC実行制約下で、タスクオフロードの最適な順序を決定するためにフローフロウスケジューリングを用いる。
• 与えられたスケジューリング意思決定に対してエネルギーコストを最小化する電力割り当てを計算するために凸最適化を用いる。
• 遅延とエネルギー消費量のバランスを図るため、パrameter η を用いた重み付き目的関数を採用する。

実験結果

リサーチクエスチョン

• RQ1 無線および計算リソースがバランスしている状況で、タスクオフロードスケジューリングはシステム性能にどのように影響するか？
• RQ2 最適スケジューリングとランダムスケジューリングの遅延およびエネルギー消費量における性能向上はどの程度か？
• RQ3 適応的送信電力割り当ては、実行遅延とデバイスのエネルギー消費量のトレードオフにどのように影響するか？
• RQ4 システムリソース制約（例：シングルチャネル、シングルコアCPU）は、共同スケジューリングと電力最適化にどのような影響を与えるか？
• RQ5 送信電力を増加させると、遅延低減の効果が次第に小さくなる閾値はどこか？

主な発見

• 無線および計算リソースがバランスしている場合（例：R = f_ser / c_avg）、最適タスクオフロードスケジューリングはランダムスケジューリングに比べて6.1%の性能向上を達成する。
• 提案アルゴリズムは、ほぼ最適な実行遅延を達成しつつ、f_ser = 1 GHz で η = 100 sec·J⁻¹ の場合にデバイスのエネルギー消費量を最大78%まで削減する。
• 送信レートを向上させることによる遅延低減効果は、0.63 Mbps から 1.25 Mbps に移行する際に最も顕著であり、その後は計算ボトルネックのため、効果が次第に小さくなる。
• デバイスのエネルギー消費量が十分に低い場合（大きなη）、さまざまなMEC CPU速度において遅延性能が収束するため、無線リソースがシステムのボトルネックとなることが示唆される。
• ある閾値を超えて送信電力を割り当てても、遅延の改善が得られなくなるため、遅延-エネルギートレードオフに飽和点が存在することが示された。
• 最適スケジューリング方針は、無線および計算リソースがバランスしている場合に最も効果的であり、一方のリソースが他方を支配する場合よりも顕著な効果を示す。