[논문 리뷰] Energy-Aware Offloading in Time-Sensitive Networks with Mobile Edge Computing

Mingxiong Zhao, Jun Yu외 6명|arXiv (Cornell University)|2020. 03. 28.

IoT and Edge/Fog Computing참고 문헌 31인용 수 13

한 줄 요약

이 논문은 OFDMA 기반 모바일 엣지 컴퓨팅(MEC) 네트워크에서 시간에 민감한 응용 프로그램을 위한 에너지 인식 오프로딩 프레임워크를 제안한다. 이는 작업 오프로딩, 전송 전력, 서브차널/계산 자원 할당을 공동으로 최적화한다. 결합된 문제를 세 개의 하위문제로 분해하고, 폐쇄형 해법, 매개변수 기반 볼록 프로그래밍, 이중 도메인 번갈아 최적화를 사용함으로써, 기준 대비 최대 35%의 총 네트워크 에너지 소비 감소를 달성하면서 엄격한 지연 제약 조건을 충족시킨다.

ABSTRACT

Mobile Edge Computing (MEC) enables rich services in close proximity to the end users to provide high quality of experience (QoE) and contributes to energy conservation compared with local computing, but results in increased communication latency. In this paper, we investigate how to jointly optimize task offloading and resource allocation to minimize the energy consumption in an orthogonal frequency division multiple access-based MEC networks, where the time-sensitive tasks can be processed at both local users and MEC server via partial offloading. Since the optimization variables of the problem are strongly coupled, we first decompose the orignal problem into three subproblems named as offloading selection (PO ), transmission power optimization (PT ), and subcarriers and computing resource allocation (PS ), and then propose an iterative algorithm to deal with them in a sequence. To be specific, we derive the closed-form solution for PO , employ the equivalent parametric convex programming to cope with the objective function which is in the form of sum of ratios in PT , and deal with PS by an alternating way in the dual domain due to its NP-hardness. Simulation results demonstrate that the proposed algorithm outperforms the existing schemes.

연구 동기 및 목표

• 제한된 사용자 배터리 용량과 고지연 제약 조건을 가진 시간에 민감한 MEC 네트워크에서 총 에너지 소비를 최소화하기 위해.
• 엄격한 지연 요구 사항 하에서 작업 오프로딩, 전송 전력, 자원 할당의 공동 최적화를 해결하기 위해.
• 실시간 IoT 응용 프로그램을 위한 에너지 효율성과 경험 품질(QoE)의 균형을 고려한 실용적인 알고리즘을 설계하기 위해.
• 최적화 변수 간의 강한 결합성을 문제 분해 및 반복적 해법 기법을 통해 다루기 위해.

제안 방법

• 원래의 비볼록이고 NP-하드인 문제를 세 개의 하위문제로 분해: 오프로딩 선택(PO), 전송 전력 최적화(PT), 서브차널/계산 자원 할당(PS).
• PO에서 오프로딩 비율에 대한 폐쇄형 해법을 유도하여 반복적 검색 없이 직접 계산이 가능하게 한다.
• PT에서 비율의 합 목적 함수를 보조 변수를 사용해 볼록 형태로 변환하기 위해 등가 매개변수 기반 볼록 프로그래밍을 적용한다.
• PS에서 비볼록 혼합정수비선형계획문제(MINLP)를 해결하기 위해 이중 도메인에서의 번갈아 최적화 접근법을 사용한다.
• 라그랑주 상호해석과 카루시-쿠른-타커(KKT) 조건을 활용해 최적성 조건을 유도하고 변수를 반복적으로 갱신한다.
• 세 하위문제를 순차적 반복 알고리즘으로 통합하여 근사 최적 해에 수렴한다.

실험 결과

연구 질문

• RQ1 시간에 민감한 작업 처리 제약 조건을 충족하면서 OFDMA 기반 MEC 네트워크에서 에너지 소비를 어떻게 최소화할 수 있는가?
• RQ2 동적 무선 및 계산 자원을 가진 에너지 제약이 있는 IoT 장치에서 로컬 계산과 오프로딩 사이의 최적 트레이드오프는 무엇인가?
• RQ3 오프로딩 비율, 전송 전력, 서브차널 할당, 계산 자원 배정의 결합된 변수들을 공동으로 효율적으로 최적화할 수 있는 방법은 무엇인가?
• RQ4 기존 방법에 비해 MEC 시스템에서 에너지와 지연을 공동으로 최적화함으로써 달성 가능한 성능 향상은 어느 정도인가?

주요 결과

• 제안된 알고리즘은 기존 방법 대비 최대 35%의 총 네트워크 에너지 소비 감소를 달성하며, 특히 고부하 환경에서 뚜렷한 성능 향상을 보였다.
• MEC 서버의 CPU 주파수가 증가할수록 총 에너지 소비가 감소한다. 이는 더 높은 오프로딩 효율성과 로컬 계산 감소 때문이므로.
• MEC CPU 주파수가 높을수록 평균 오프로딩 비율이 증가하여, 더 강력한 엣지 서버가 더 많은 오프로딩을 유도함을 확인하였다.
• 특히 밀도 높은 사용자 배치(K=5)에서 기준 방법 대비 에너지 효율성에서 20-30% 향상을 달성하였다.
• 반복 알고리즘의 수렴은 안정적이며, 반복 과정에서 목적 함수 값이 단조롭게 감소하였다.
• 이론적 분석을 통해 재구성된 하위문제의 볼록성을 확인하였으며, 국소 최적 해로의 신뢰성 있는 수렴을 보장하였다.