[論文レビュー] Optimal Task Offloading and Resource Allocation in Mobile-Edge Computing with Inter-user Task Dependency

Yan Jia, Suzhi Bi+2 more|arXiv (Cornell University)|Oct 26, 2018

IoT and Edge/Fog Computing参考文献 32被引用数 13

ひとこと要約

本稿は、1人のユーザーのタスクが他方のユーザーの出力を必要とする2ユーザー系におけるモバイルエッジコンピューティング（MEC）の最適タスクオフロードおよびリソース割り当てフレームワークを提案する。電力および周波数最適化のための二分探索法を導入し、1回の上昇（one-climb）オフロードポリシーを証明することで、低複雑度のギブスサンプリングアルゴリズムを可能にし、エネルギー効率および遅延性能においてベンチマークを著しく上回る性能を達成する。

ABSTRACT

Mobile-edge computing (MEC) has recently emerged as a cost-effective paradigm to enhance the computing capability of hardware-constrained wireless devices (WDs). In this paper, we first consider a two-user MEC network, where each WD has a sequence of tasks to execute. In particular, we consider task dependency between the two WDs, where the input of a task at one WD requires the final task output at the other WD. Under the considered task-dependency model, we study the optimal task offloading policy and resource allocation (e.g., on offloading transmit power and local CPU frequencies) that minimize the weighted sum of the WDs' energy consumption and task execution time. The problem is challenging due to the combinatorial nature of the offloading decisions among all tasks and the strong coupling with resource allocation. To tackle this problem, we first assume that the offloading decisions are given and derive the closed-form expressions of the optimal offloading transmit power and local CPU frequencies. Then, an efficient bi-section search method is proposed to obtain the optimal solutions. Furthermore, we prove that the optimal offloading decisions follow an one-climb policy, based on which a reduced-complexity Gibbs Sampling algorithm is proposed to obtain the optimal offloading decisions. We then extend the investigation to a general multi-user scenario, where the input of a task at one WD requires the final task outputs from multiple other WDs. Numerical results show that the proposed method can significantly outperform the other representative benchmarks and efficiently achieve low complexity with respect to the call graph size.

研究の動機と目的

• ユーザー間のタスク依存関係を有するMECシステムにおける、共同タスクオフロードとリソース割り当ての課題に対処すること。
• ユーザー間の結合的タスク依存関係のもとで、エネルギー消費とタスク実行時間の重み付き和を最小化すること。
• オフロード意思決定の組み合わせ的性質とリソース割り当てとの強い結合性を扱える効率的な最適化フレームワークの構築。
• タスクが複数の他のユーザーの出力に依存するような、複数ユーザー環境への拡張。
• オフロードポリシーの構造的洞察を活用し、最適性を保ちつつ計算複雑度を低減すること。

提案手法

• 固定されたオフロード意思決定を仮定し、ラグランジュスラック法を用いて最適送信電力およびローカルCPU周波数の閉形式式を導出する。
• 双対問題を効率的に解くために二分探索アルゴリズムを適用し、最適リソース割り当てパラメータを取得する。
• 最適オフロード意思決定が1回の上昇ポリシーに従うことを証明する。これは、各ユーザーについて、ローカル実行からエッジ実行（またはその逆）に移行するタイミングが最大1回であることを意味する。
• 1回の上昇性質を活用した低複雑度のギブスサンプリングアルゴリズムを提案し、オフロード意思決定空間を効率的に探索する。
• タスクの入力が複数の他のユーザーの出力に依存するような、複数ユーザー環境へのフレームワークの拡張。
• タスク依存関係をコールグラフでモデル化し、最適化問題を混合整数非凸計画問題として定式化する。

実験結果

リサーチクエスチョン

• RQ1 2ユーザーMECシステムにおいて、ユーザー間のタスク依存関係を有する最適タスクオフロードとリソース割り当てをどのように共同設計できるか？
• RQ2 このような依存制約のもとで、最適オフロード意思決定にどのような構造的性質が存在するか？
• RQ3 組み合わせ的オフロード問題の計算複雑度を、最適性を保ちつつ著しく低減できるか？
• RQ4 エネルギー効率および遅延性能の観点で、提案手法は既存のベンチマークと比べてどのように性能を発揮するか？
• RQ5 タスク依存グラフのサイズに対して、この解決策のスケーラビリティはどの程度か？

主な発見

• 最適オフロード意思決定は1回の上昇ポリシーに従い、探索空間の複雑度が顕著に低減される。
• 提案されたギブスサンプリングアルゴリズムは、計算複雑度が低く、コールグラフのサイズに依存しない近似的最適性能を達成する。
• 数値結果から、提案手法はエネルギー消費およびタスク実行時間の両面でベンチマークアルゴリズムを上回ることが示された。
• 二分探索法により、与えられたオフロード意思決定のもとで最適送信電力およびCPU周波数が効率的に計算可能である。
• フレームワークは、複数の入力ソースを有する一般のタスク依存グラフを含む複数ユーザー環境へも拡張可能である。
• チャネル状態が変化しても低複雑度を維持するため、将来的なAI統合によるオンライン適応の可能性が示唆される。