[논문 리뷰] BARGAIN-MATCH: A Game Theoretical Approach for Resource Allocation and Task Offloading in Vehicular Edge Computing Networks

Zemin Sun, Geng Sun외 3명|arXiv (Cornell University)|2022. 03. 26.

Privacy-Preserving Technologies in Data인용 수 4

한 줄 요약

이 논문은 차량 주변 엣지 컴퓨팅(Vehicle Edge Computing, VEC) 네트워크에서 공동 자원 할당 및 작업 오프로딩을 위한 게임 이론적 프레임워크인 BARGAIN-MATCH를 제안한다. 내부 서버 자원 할당을 위해 협상 게임을 사용하고, 외부 서버 간 부하 균형을 위해 다수 대 일 매칭 기법을 적용하여 안정성, 약한 파레토 최적성 및 다항식 시간 복잡도를 확보한다. 시뮬레이션 결과, 높은 작업 부하 상황에서 시스템 유틸리티와 효율성이 뛰어나다.

ABSTRACT

Vehicular edge computing (VEC) is emerging as a promising architecture of vehicular networks (VNs) by deploying the cloud computing resources at the edge of the VNs. This work aims to optimize resource allocation and task offloading in VEC networks. Specifically, we formulate a game theoretical resource allocation and task offloading problem (GTRATOP) that aims to maximize the system performance by jointly considering the incentive for cooperation, competition among vehicles, heterogeneity between VEC servers and vehicles, and inherent dynamic of VNs. Since the formulated GTRATOP is NP-hard, we propose an adaptive approach for resource allocation and task offloading in VEC networks by incorporating bargaining game and matching game, which is called BARGAIN-MATCH. First, for resource allocation, a bargaining game-based incentive is proposed to stimulate the vehicles and VEC servers to negotiate the optimal resource allocation and pricing decisions. Second, for task offloading, a many-to-one matching scheme is proposed to decide the optimal offloading strategies. Third, the dynamic and time-varying features are considered to adapt the strategies of BARGAIN-MATCH to the real-time VEC networks. Moreover, the BARGAIN-MATCH is proved to be stable and weak Pareto optimal. Simulation results demonstrate that the proposed BARGAIN-MATCH achieves superior system performance and efficiency compared to other methods, especially when the system workload is heavy.

연구 동기 및 목표

• 높은 동적 성격과 계산 자원 제약이 있는 차량 주변 엣지 컴퓨팅(VEC) 네트워크에서 효율적인 자원 관리 및 작업 오프로딩 문제를 해결하기 위해.
• 차량 엣지 서버와 클라우드 노드 간의 작업 수요의 시공간 이질성과 계산 능력의 이질성을 조율하기 위해.
• 시스템 유틸리티를 극대화하기 위해 내부 및 외부 서버 자원 할당과 작업 오프로딩 전략을 공동으로 최적화하기 위해.
• 실시간 VEC 환경에 적합한 저복잡도, 안정성 및 파레토 최적 알고리즘을 설계하기 위해.

제안 방법

• 수평적(차량-차량, 엣지-엣지) 및 수직적(차량-엣지-클라우드) 협업을 조율하기 위한 SDN 기반 컨트롤러를 갖춘 계층적 VEC 아키텍처를 제안한다.
• 이동성, 채널 동역학, 비직렬 다중접근(NOMA), 에너지 소비 및 작업 QoS 요구사항을 통합한 공동 자원 할당 및 작업 오프로딩 문제(JRATOP)를 수립한다.
• 차량과 VEC/클라우드 서버 간의 공정하고 효율적인 가격 책정 및 자원 할당을 유도하기 위해 내부 서버 자원 할당을 위한 협상 게임 모델을 도입한다.
• VEC 서버 간의 부하 균형을 맞추고 혼잡을 줄이기 위해 다수 대 일 매칭 프레임워크를 사용하여 외부 서버 간 작업 오프로딩을 설계한다.
• BARGAIN-MATCH가 안정적이고, 약한 파레토 최적이며, 다항식 시간 내에 실행됨을 증명하여 실용적인 구현 가능성을 확보한다.
• 실제 VEC 환경의 역동성을 반영하기 위해 비직렬 다중접근(NOMA)과 이동성 인식 작업 모델링을 통합한다.

실험 결과

연구 질문

• RQ1 제한된 서버 용량 하에서 이질적이고 지연 민감한 차량 작업을 공정하고 효율적으로 처리하기 위해 내부 서버 자원 할당을 어떻게 최적화할 수 있는가?
• RQ2 다양한 VEC 서버 간의 부하를 균형 있게 분산하고 혼잡을 방지하면서 종단 간 지연을 최소화하기 위해 외부 서버 간 작업 오프로딩을 어떻게 설계할 수 있는가?
• RQ3 다양한 동적 VEC 환경에서 차량과 엣지/클라우드 서버 간의 안정적이고 효율적인 협업을 보장할 수 있는 게임 이론적 메커니즘은 무엇인가?
• RQ4 기존의 오프로딩 및 자원 할당 기법과 비교해 볼 때, 제안된 방법은 높은 시스템 작업 부하 상황에서 어떻게 성능을 발휘하는가?

주요 결과

• BARGAIN-MATCH는 특히 높은 작업 부하 상황에서 기준 방법 대비 뛰어난 시스템 유틸리티, 차량 유틸리티 및 서버 유틸리티를 달성한다.
• 알고리즘은 작업 처리 지연을 크게 감소시키고 작업 처리 속도를 증가시켜 밀도 높은 차량 네트워크에서 강력한 확장성을 입증한다.
• 실행 시간이 차량 수에 따라 선형적으로 증가하여 다항식 시간 복잡도와 실용적 타당성을 확인한다.
• 직접 결정 기반 방법보다 높은 시간 복잡도를 지닌다 해도 OPOPRA보다 효율성이 뛰어나며, 밀도 높은 네트워크에서는 EXO보다도 더 빠르게 실행된다.
• 고성능 장치에서 실행할 경우 성능이 19.28%에서 52.02%까지 향상되어 강력한 하드웨어 확장성을 보여준다.
• 모든 시험 환경에서 안정성과 약한 파레토 최적성을 유지하여 공정하고 효율적인 결과를 보장한다.