[논문 리뷰] Decentralized Computation Offloading and Resource Allocation in Heterogeneous Networks with Mobile Edge Computing

Quoc‐Viet Pham, Tuan LeAnh외 2명|arXiv (Cornell University)|2018. 03. 02.

IoT and Edge/Fog Computing참고 문헌 21인용 수 15

한 줄 요약

이 논문은 이동형 엣지 컴퓨팅(MEC)을 활용한 이질적 네트워크를 위한 탈중앙화된 계산 오픈로딩 및 자원 할당 프레임워크를 제안한다. 매칭 이론과 최적화 기법을 사용하여 전체 시스템의 계산 오버헤드를 최소화하며, 심한 이웃셀 간 간섭 조건에서도 최적에 가까운 성능(휴리스틱 기준 8.86% 이내의 격차)을 달성한다.

ABSTRACT

We consider a heterogeneous network with mobile edge computing, where a user can offload its computation to one among multiple servers. In particular, we minimize the system-wide computation overhead by jointly optimizing the individual computation decisions, transmit power of the users, and computation resource at the servers. The crux of the problem lies in the combinatorial nature of multi-user offloading decisions, the complexity of the optimization objective, and the existence of inter-cell interference. Then, we decompose the underlying problem into two subproblems: i) the offloading decision, which includes two phases of user association and subchannel assignment, and ii) joint resource allocation, which can be further decomposed into the problems of transmit power and computation resource allocation. To enable distributed computation offloading, we sequentially apply a many-to-one matching game for user association and a one-to-one matching game for subchannel assignment. Moreover, the transmit power of offloading users is found using a bisection method with approximate inter-cell interference, and the computation resources allocated to offloading users is achieved via the duality approach. The proposed algorithm is shown to converge and is stable. Finally, we provide simulations to validate the performance of the proposed algorithm as well as comparisons with the existing frameworks.

연구 동기 및 목표

• 실시간, 저지연 응용을 위해 이동형 클라우드 컴퓨팅의 높은 지연과 에너지 비효율성을 해결하기 위해 이동형 엣지 컴퓨팅(MEC)을 활용한다.
• 중앙집중식 MEC 프레임워크의 한계를 극복하기 위해 이질적 네트워크(HetNets)에서 탈중앙화된 계산 오픈로딩 및 자원 할당을 가능하게 한다.
• 이웃셀 간 간섭과 조합적 오픈로딩 복잡성을 고려하면서도 사용자 오픈로딩 결정, 전송 전력, 계산 자원 할당을 종합적으로 최적화한다.
• 동적이고 다중 서버 MEC 환경에서 수렴성과 안정성을 보장하는 확장 가능한 분산 알고리즘을 개발한다.

제안 방법

• 합성 최적화 문제를 두 개의 하위문제로 분해한다: (1) 다대일 매칭 게임을 통한 사용자 연동 및 서브채널 할당, (2) 전송 전력 및 계산 자원 할당.
• 이웃셀 간 간섭을 근사적으로 적용한 이분법을 사용하여 오픈로딩 사용자의 최적 전송 전력을 계산한다.
• 이중성 접근법을 사용하여 사용자 수요와 서버 성능에 기반해 MEC 서버의 계산 자원을 할당한다.
• 순차적 매칭 프레임워크를 구현한다: 먼저 다대일 매칭을 통한 사용자 MEC 서버 연동, 그 다음 일대일 매칭을 통한 서브채널 할당.
• 피드백 메커니즘을 통한 반복적 매칭 및 자원 조정을 통해 알고리즘의 수렴성과 안정성을 확보한다.
• 간섭 인식 전력 제어 및 자원 할당을 통합하여 고간섭 조건에서도 성능을 유지한다.

실험 결과

연구 질문

• RQ1 다중 서버와 이웃셀 간 간섭이 존재하는 이질적 MEC 네트워크에서 계산 오픈로딩 및 자원 할당을 탈중앙화 방식으로 종합 최적화할 수 있는 방법은 무엇인가?
• RQ2 어떤 매칭 기반 접근법이 전체 시스템의 계산 오버헤드를 최소화하면서도 안정적이고 수렴 가능한 사용자 연동 및 서브채널 할당을 가능하게 하는가?
• RQ3 이웃셀 간 간섭은 완전한 오픈로딩의 효율성에 어떤 영향을 미치며, 어떤 자원 할당 전략이 그 부정적 영향을 완화하는가?
• RQ4 다양한 전송 전력과 서버 계산 능력 조건에서 제안된 탈중앙화 알고리즘이 중심집중 최적 프레임워크의 성능에 얼마나 가까이 접근하는가?

주요 결과

• 제안된 알고리즘은 최대 전송 전력 0.55 W일 때 전체 시스템의 계산 오버헤드를 17.9로 감소시키며, 오픈로딩 비율과 성능의 포화 상태에 도달한다.
• MEC 서버의 계산 능력이 0.5 GHz에서 4 GHz로 증가함에 따라 오픈로딩 사용자 비율은 단조적으로 증가하며, 특히 0.5 GHz에서 1.0 GHz 사이에서 가장 큰 성과를 보인다.
• 3.5 GHz MEC 서버 능력 조건에서 제안된 알고리즘은 총 계산 오버헤드 63.579를 달성하며, 이는 최적의 hJTORA 휴리스틱 알고리즘에 비해 8.86% 이내의 격차를 보인다.
• 높은 이웃셀 간 간섭 조건에서는 오픈로딩 비율이 낮고 전송 지연이 증가하여 완전한 오픈로딩이 비효율적이며, 특히 채널 조건이 열악한 사용자에게서 두드러진다.
• 탈중앙화 프레임워크는 간섭이 빈번한 환경에서 로컬 전용 및 완전 오픈로딩 방식보다 안정성과 수렴성을 확보하며 성능이 뛰어나다.
• 서버 능력이 증가함에 따라 제안된 방법과 최적 휴리스틱 간 성능 격차가 줄어들며, 이는 확장성과 강건성을 시사한다.