[논문 리뷰] Energy-Efficient Resource Allocation in Multi-UAV-Assisted Two-Stage Edge Computing for Beyond 5G Networks

Nway Nway Ei, Madyan Alsenwi외 3명|arXiv (Cornell University)|2020. 11. 24.

UAV Applications and Optimization인용 수 5

한 줄 요약

이 논문은 다중 UAV를 활용한 이중 단계 엣지 컴퓨팅 프레임워크를 제안하며, UAV와 지상 기지국(TBS)이 이동 단말기에서 오는 계산 집약적 작업을 공동으로 처리한다. 블록 연속 상한 최소화(BCSUM) 알고리즘을 사용해 작업 이송, 통신 및 계산 자원을 공동 최적화함으로써 지연 제약 조건을 충족하면서 총 에너지 소비를 최소화하며, 기준 대비 뛰어난 성능을 달성한다.

ABSTRACT

Unmanned aerial vehicle (UAV)-assisted multi-access edge computing (MEC) has become one promising solution for energy-constrained devices to meet the computation demand and the stringent delay requirement. In this work, we investigate a multiple UAVs-assisted two-stage MEC system in which the computation-intensive and delay-sensitive tasks of mobile devices (MDs) are cooperatively executed on both MEC-enabled UAVs and terrestrial base station (TBS) attached with the MEC server. Specifically, UAVs provide the computing and relaying services to the mobile devices. In this regard, we formulate a joint task offloading, communication and computation resource allocation problem to minimize the energy consumption of MDs and UAVs by considering the limited communication resources for the uplink transmission, the computation resources of UAVs and the tolerable latency of the tasks. The formulated problem is a mixed-integer non-convex problem which is NP hard. Thus, we relax the channel assignment variable from the binary to continuous values. However, the problem is still non-convex due to the coupling among the variables. To solve the formulated optimization problem, we apply the Block Successive Upper-bound Minimization (BSUM) method which guarantees to obtain the stationary points of the non-convex objective function. In essence, the non-convex objective function is decomposed into multiple subproblems which are then solved in a block-by-block manner. Finally, the extensive evaluation results are conducted to show the superior performance of our proposed framework.

연구 동기 및 목표

• 일시적인 행사나 재난 지역과 같은 동적 환경에서 에너지 제약이 있는 이동 단말기가 계산 집약적이고 지연 민감한 작업을 처리하기 어려운 문제를 해결한다.
• 지상 기반 MEC 및 UAV 전용 시스템의 한계를 극복하기 위해 MEC 기능을 탑재한 UAV와 TBS 간의 협업 작업 처리를 가능하게 한다.
• 이동 단말기 및 UAV의 총 에너지 소비를 최소화하기 위해 작업 이송, 통신 및 계산 자원 할당을 위한 공동 최적화 문제를 수립한다.
• 문제의 NP-하드성 및 혼합 정수 비볼록 성격을 변수의 연속화 및 BSUM 기반 분해를 통해 다룬다.
• 엄격한 지연 제약 조건과 UAV 및 이동 단말기의 제한된 통신/계산 자원 조건 하에서도 시스템의 타당성을 확보한다.

제안 방법

• UAV가 이송된 작업의 일부를 현지에서 계산하고 나머지를 TBS에 릴레이하여 처리하는 이중 단계 MEC 아키텍처를 제안한다.
• 지연, 통신 및 계산 제약 조건을 충족하면서 총 에너지 소비를 최소화하기 위해 작업 이송 및 자원 할당 문제를 수립한다.
• 이진 채널 할당 변수를 연속형으로 연속화하여 볼록 유사 최적화 기법을 적용할 수 있도록 한다.
• 비볼록 문제를 다루기 위해 블록 연속 상한 최소화(BCSUM) 알고리즘을 적용하여 해석 가능한 부분문제로 분해하고 반복적으로 해결한다.
• 작업 이송 결정, 전력 할당, CPU 할당 간의 결합성을 다루기 위해 블록 단위 최적화를 사용하여 정류점으로 수렴한다.
• 작업 완료 지연, 업링크 전송 용량, UAV 에너지 및 CPU 제약 조건을 최적화 프레임워크에 통합한다.

실험 결과

연구 질문

• RQ1 다중 UAV 지원 이중 단계 MEC 시스템에서 UAV와 TBS를 공동으로 조율해 에너지 소비를 최소화하는 방법은 무엇인가?
• RQ2 제한된 UAV 에너지 및 계산 자원 조건 하에서 UAV에서의 현지 계산과 TBS로의 작업 릴레이 간 최적의 트레이드오프는 무엇인가?
• RQ3 UAV 수와 작업 완료 마감 시간이 UAV와 TBS 간 이송된 작업 분포에 미치는 영향은 무엇인가?
• RQ4 서브채널 가용성과 데이터 크기가 제안된 프레임워크에서 이동 단말기의 에너지 소비에 미치는 영향은 무엇인가?
• RQ5 제안된 BSUM 기반 최적화는 기본 기준 기반 방법(예: 현지 처리, 전면 이송)과 비교해 총 시스템 에너지 효율성 측면에서 어떻게 성능을 내는가?

주요 결과

• 제안된 기법은 특히 작업 데이터 크기가 증가함에 따라 로컬 처리 전용 및 균일 이송 기반 기준 대비 이동 단말기 및 UAV의 에너지 소비를 크게 감소시킨다.
• 작업 데이터 크기가 증가할수록 제안된 기법 하에서 이동 단말기가 최소 에너지 소비를 달성하며, 효율적인 UAV 활용 덕분에 전면 이송 성능에 가까워진다.
• UAV 수가 증가함에 따라 TBS로 릴레이되는 작업 비율이 감소한다. 이는 UAV가 더 많은 작업을 현지에서 처리할 수 있기 때문이다.
• 작업 완료 마감 시간이 길어질수록 TBS로 릴레이되는 작업 비율이 높아지며, 이는 UAV가 제한된 자원 조건에서도 더 많은 데이터를 이송하여 에너지를 절약할 수 있기 때문이다.
• 이동 단말기 수가 증가함에 따라 시스템의 총 에너지 소비는 증가하지만, UAV+TBS 협업 기반 기법은 UAV 전용 기법보다 항상 우수한 성능을 보이며 단말기 및 UAV 양측의 에너지 소비를 줄인다.
• 가용 서브채널 수가 증가할수록 더 나은 전력 할당과 UAV로의 더 효율적인 데이터 이송이 가능해져 이동 단말기의 에너지 소비가 감소한다.