[논문 리뷰] Computation Rate Maximization for Wireless Powered Mobile-Edge Computing with Binary Computation Offloading

Suzhi Bi, Ying Jun|arXiv (Cornell University)|2017. 08. 29.

Energy Harvesting in Wireless NetworksEngineering인용 수 21

한 줄 요약

이 논문은 이진 오픈로딩을 갖는 무선 전력 공급 기반 모바일 엣지 컴퓨팅 네트워크에서 계산 속도를 최대화하기 위한 공동 최적화 프레임워크를 제안한다. 이는 기기들이 로컬에서 계산하거나 전체 작업을 MEC 서버로 오픈로딩하는 방식을 취한다. 좌표 강하법과 ADMM 기반 분해를 활용한 두 가지 알고리즘을 도입하여 시간, 전력, 계산 모드 간의 효율적 자원 할당을 가능하게 하며, ADMM 방법은 대규모 네트워크에 대해 우수한 스케일링 성능을 보이며 시뮬레이션에서 거의 최적 성능을 달성한다.

ABSTRACT

In this paper, we consider a multi-user mobile edge computing (MEC) network powered by wireless power transfer (WPT), where each energy-harvesting WD follows a binary computation offloading policy, i.e., data set of a task has to be executed as a whole either locally or remotely at the MEC server via task offloading. In particular, we are interested in maximizing the (weighted) sum computation rate of all the WDs in the network by jointly optimizing the individual computing mode selection (i.e., local computing or offloading) and the system transmission time allocation (on WPT and task offloading). The major difficulty lies in the combinatorial nature of multi-user computing mode selection and its strong coupling with transmission time allocation. To tackle this problem, we first consider a decoupled optimization, where we assume that the mode selection is given and propose a simple bi-section search algorithm to obtain the conditional optimal time allocation. On top of that, a coordinate descent method is devised to optimize the mode selection. The method is simple in implementation but may suffer from high computational complexity in a large-size network. To address this problem, we further propose a joint optimization method based on the ADMM (alternating direction method of multipliers) decomposition technique, which enjoys much slower increase of computational complexity as the networks size increases. Extensive simulations show that both the proposed methods can efficiently achieve near-optimal performance under various network setups, and significantly outperform the other representative benchmark methods considered.

연구 동기 및 목표

• IoT 및 WSN 기기들의 유한한 배터리 수명과 낮은 계산 능력이라는 이중적 제약를 해결하기 위해.
• 이진 오픈로딩을 갖는 다중 사용자 무선 전력 공급 기반 MEC 시스템에서 가중합계 계산 속도를 최대화하기 위해.
• 무선 전력 전송(WPT)과 오픈로딩에 대한 전송 시간 할당과 함께 계산 모드 선택(로컬 대비 오픈로딩)을 공동으로 최적화하기 위해.
• 모드 선택의 조합적 성격과 시간 할당과의 결합을 다룰 수 있는 저복잡도, 확장 가능한 알고리즘 개발하기 위해.
• 다양한 네트워크 설정에서 성능을 평가하고 기준 방법과 비교하기 위해.

제안 방법

• 계산 모드 선택을 먼저 고정한 후, 해당 모드 하에서 최적의 시간 할당을 위한 이분 검색을 수행하는 분리 최적화 접근법을 제안한다.
• 조건부 최적의 시간 할당을 서브루틴으로 사용하여 반복적으로 모드 선택을 최적화하는 좌표 강하법를 적용한다.
• 문제를 분해할 수 있도록 해 주는 ADMM 기반 공동 최적화 방법을 개발하여 네트워크 크기 N에 대해 O(N) 복잡도로 확장 가능한 계산을 가능하게 한다.
• 제약 조건을 처리하기 위해 라그랑주 역설과 이중 분해를 사용하며, 이중 변수 ν는 하위기울기 방법을 통해 갱신된다.
• 라그랑주 함수의 편미분을 바탕으로 라메르트-W 함수를 활용한 최적의 시간 할당에 대한 폐형 표현식을 유도한다.
• 단조 감소하는 식 Q(ν*)=0을 만족하는 유일한 ν*를 찾는 방식으로 이중 문제를 해결함으로써 최적성 보장.

실험 결과

연구 질문

• RQ1 무선 전력 공급 기반 MEC 네트워크에서 이진 오픈로딩 조건 하에 시간과 모드를 공동으로 최적화할 경우, 계산 속도는 어떻게 최대화할 수 있는가?
• RQ2 기기들이 RF 신호로부터 에너지를 수확할 때, 에너지 소비와 지연 시간 측면에서 로컬 계산과 오픈로딩 간의 상호 교환 관계는 어떠한가?
• RQ3 대규모 네트워크에서 다중 사용자 모드 선택의 조합적 복잡도는 어떻게 효율적으로 관리할 수 있는가?
• RQ4 제안된 알고리즘은 기존의 기준 방법 대비 계산 속도 및 확장성 측면에서 얼마나 높은 성능 향상을 달성하는가?
• RQ5 제안된 방법의 계산 복잡도는 네트워크 크기가 증가함에 따라 어떻게 변화하는가?

주요 결과

• 좌표 강하법(CD)는 거의 최적의 성능를 달성하지만 O(N³)의 계산 복잡도를 가지며, 이는 대규모 네트워크에 적합하지 않다.
• ADMM 기반 방법은 네트워크 크기와 선형적으로 스케일링되며, O(N) 복잡도를 보이며 따라서 대규모 배포에 더 효율적이다.
• 제안된 두 알고리즘 모두 다양한 네트워크 구성과 채널 조건에서 기준 방법 대비 계산 속도 측면에서 뚜렷한 성능 향상을 보였다.
• ADMM 기반 방법은 매우 느린 복잡도 증가율을 유지하면서도 높은 성능를 유지하므로, 대규모 IoT 및 고밀도 WSN 환경에 이상적이다.
• 이론적 분석을 통해 최적의 이중 변수 ν*의 존재성과 유일성을 확인하였으며, 이는 최적화 과정의 수렴성을 보장한다.
• 시뮬레이션 결과는 제안된 알고리즘의 효과성을 검증하였으며, 기존의 전통적 방법 대비 가중합계 계산 속도에서 상당한 향상을 보였다.