[論文レビュー] Variability Aware Network Utility Maximization

Vinay Joseph, Gustavo de Veciana|arXiv (Cornell University)|Nov 16, 2011

Software System Performance and Reliability被引用数 10

ひとこと要約

本稿は、ユーザー報酬の平均値と時間的変動性のトレードオフを明示的にモデル化・最適化するばらつきに敏感なネットワークユーティリティ最大化（NUM）フレームワークを提案する。静的エルゴード条件下で、将来のリソース変動に関する完全な知識を持つオフラインアルゴリズムの性能に収束するオンラインの適応的ばらつき対応リソース（AVR）割り当てアルゴリズムを導入する。

ABSTRACT

Network Utility Maximization (NUM) provides the key conceptual framework to study resource allocation amongst a collection of users/entities across disciplines as diverse as economics, law and engineering. In network engineering, this framework has been particularly insightful towards understanding how Internet protocols allocate bandwidth, and motivated diverse research on distributed mechanisms to maximize network utility while incorporating new relevant constraints, on energy/power, storage, stability, etc., for systems ranging from communication networks to the smart-grid. However when the available resources and/or users' utilities vary over time, a user's allocations will tend to vary, which in turn may have a detrimental impact on the users' utility or quality of experience. This paper introduces a generalized NUM framework which explicitly incorporates the detrimental impact of temporal variability in a user's allocated rewards. It explicitly incorporates tradeoffs amongst the mean and variability in users' allocations. We propose an online algorithm to realize variance-sensitive NUM, which, under stationary ergodic assumptions, is shown to be asymptotically optimal, i.e., achieves a time-average equal to that of an offline algorithm with knowledge of the future variability in the system. This substantially extends work on NUM to an interesting class of relevant problems where users/entities are sensitive to temporal variability in their service or allocated rewards.

研究の動機と目的

• 動的ネットワークにおけるユーザー報酬の時間的変動性がユーザの体験品質（QoE）に与える悪影響を是正すること。
• 平均報酬と報酬のばらつきを明示的にバランスさせる一般化されたNUMフレームワークを形式化すること。
• 将来の知識が欠如しているにもかかわらず、オフライン最適解に近い性能を達成するオンラインアルゴリズムを設計すること。
• 報酬の不安定さに対する人間の感受性を、ユーティリティ関数にばらつきペナルティを組み込むことでモデル化すること。

提案手法

• QoEの代理として時間平均報酬とばらつきペナルティ項を組み合わせた、一般化されたオフライン最適化問題（OPT(T)）を提案し、その最大化を目的とする。
• ラグランジュ双対定式を用いて最適性条件を導出し、解の凸性および一意性を確立する。
• 観測されたチャネル状態と推定された報酬のばらつきに基づいて、動的にリソース割り当てを調整するオンラインAVRアルゴリズムを設計する。
• リャプノフ関数と安定性解析を用いて、アルゴリズムのパラメータが最適解集合に収束することを証明する。
• オフライン最適な平均割り当てに収束することを保証する時間平均報酬追跡メカニズムを導入する。
• 時間変動制約のエルゴード性を活用して、オンライン割り当ての時間平均がオフライン最適に一致することを証明する。

実験結果

リサーチクエスチョン

• RQ1 ネットワークユーティリティ最大化は、ユーザー報酬の時間的変動性を明示的に取り入れることでどのように拡張可能か？
• RQ2 将来のリソース変動に関する完全な知識を持つオフラインアルゴリズムと同等の性能を達成できるオンラインアルゴリズムは存在するか？
• RQ3 報酬のばらつきがユーザのQoEに与える影響は何か？ そして、NUMフレームワーク内でどのようにモデル化できるか？
• RQ4 時間変動する制約のもとで、ばらつきに敏感なリソース割り当てを分散的・オンライン的に実装し、収束性を保証することは可能か？
• RQ5 時間変動するエルゴード的制約のもとで、オンラインアルゴリズムが最適解に収束するための条件は何か？

主な発見

• 提案されたAVRアルゴリズムは漸近的に最適であり、時間平均的な性能が将来の知識を持つオフラインアルゴリズムの性能に収束することを意味する。
• アルゴリズムは最適解集合H∗に収束し、ここで平均報酬とばらつきの推定値が最適パラメータと一致する。
• オンラインアルゴリズムの割り当ての時間平均は、エルゴード性と大数の法則を用いて、オフライン最適な平均割り当てmπに収束することが示された。
• ユーティリティ関数におけるばらつきペナルティ項は、平均ユーティリティを損なわせることなく報酬のフラクチュエーションを効果的に低減し、QoEの向上に寄与する。
• 時間変動制約(ct)が静的エルゴード的であるという仮定のもとで収束が保証される。
• 解は一意的であり、平均およびばらつきパラメータに連続的に依存するため、パラメータ推定誤差に対してもロバストである。