[논문 리뷰] Game-based Pricing and Task Offloading in Mobile Edge Computing Enabled Edge-Cloud Systems

Yi Su, Wenhao Fan외 2명|arXiv (Cornell University)|2021. 01. 14.

IoT and Edge/Fog Computing참고 문헌 25인용 수 4

한 줄 요약

이 논문은 이동형 엣지 컴퓨팅(MEC) 기반 엣지-클라우드 시스템에서 작업 오픈로딩 및 가격 설정을 위한 분산 게임이론적 메커니즘을 제안한다. 다중 리더-다중 팔로워 스택엘베르크 게임을 사용하여 오픈로딩 서비스 제공자(OSP)와 IoT 이동 단말기(MD) 간의 상호작용을 모델링한다. 두 가지 알고리즘—이동 단말기(MD)를 위한 반복적 프락시 오픈로딩 알고리즘(IPOA)과 오픈로딩 서비스 제공자(OSP)를 위한 반복적 스택엘베르크 가격 설정 알고리즘(ISPA)—을 제안하며, IPOA가 MD의 불만족도를 크게 감소시키고 ISPA가 OSP의 수익을 증가시키며, 가격의 불안정성 비율이 150% 이하임을 입증한다.

ABSTRACT

As a momentous enabling of the Internet of things (IoT), mobile edge computing (MEC) provides IoT mobile devices (MD) with powerful external computing and storage resources. However, a mechanism addressing distributed task offloading and price competition for the open exchange marketplace has not been established properly, which has become a huge obstacle to MEC's application in the IoT market. In this paper, we formulate a distributed mechanism to analyze the interaction between OSPs and IoT MDs in the MEC enabled edge-cloud system by appling multi-leader multi-follower two-tier Stackelberg game theory. We first prove the existence of the Stackelberg equilibrium, and then we propose two distributed algorithms, namely iterative proximal offloading algorithm (IPOA) and iterative Stackelberg game pricing algorithm (ISPA). The IPOA solves the follower non-cooperative game among IoT MDs and ISPA uses backward induction to deal with the price competition among OSPs. Experimental results show that IPOA can markedly reduce the disutility of IoT MDs compared with other traditional task offloading schemes and the price of anarchy is always less than 150\%. Besides, results also demonstrate that ISPA is reliable in boosting the revenue of OSPs.

연구 동기 및 목표

• 중앙 기관이 없는 분산적이고 경쟁적인 작업 오픈로딩 및 가격 설정 메커니즘이 MEC 기반 IoT 시스템에 부족한 문제를 해결한다.
• 분산된 마켓플레이스에서 다수의 이기적인 OSP(리더)와 IoT MD(팔로워) 간의 상호작용을 모델링한다.
• 지연, 에너지 소비, 지불 비용을 종합적으로 반영하여 사용자 경험의 질(QoE)을 반영하는 MD의 불만족도 함수를 제안한다.
• 고정된 OSP 가격 하에서 MD가 나시 균형 오픈로딩 전략을 찾는 데 사용할 수 있는 분산 알고리즘(IPOA)을 설계한다.
• 비협력적 경쟁을 기반으로 하여 비밀유지가 가능한 방식으로 OSP가 가격을 반복적으로 조정할 수 있도록 동적 가격 설정 알고리즘(ISPA)을 개발한다.

제안 방법

• 경쟁적인 엣지-클라우드 환경에서 OSP-MD 상호작용을 모델링하기 위해 다중 리더-다중 팔로워 이중계층 스택엘베르크 게임을 수립한다.
• 큐잉 지연, 전송 에너지 소비, 금전적 비용을 통합하여 QoE를 정량화하는 MD의 불만족도 함수를 정의한다.
• 근접점 방법을 사용하여 MD 간의 팔로워 수준 비협력 게임을 해결하는 반복적 프락시 오픈로딩 알고리즘(IPOA)을 제안한다.
• 역행 추론을 통해 다중 리더 수준 비협력 게임을 해결하는 반복적 스택엘베르크 가격 설정 알고리즘(ISPA)을 도입한다.
• MD의 유틸리티 함수를 전부 알지 못해도 되도록 ISPA에서 유틸리티 도함수의 근사치를 사용하여 동적이고 프라이버시 보장이 가능한 가격 업데이트를 가능하게 한다.
• 역행 추론을 적용하여 균형 가격을 반복적으로 계산함으로써 스택엘베르크 균형으로 수렴함을 보장한다.

실험 결과

연구 질문

• RQ1 MEC 기반 엣지-클라우드 시스템에서 작업 오픈로딩 및 가격 설정의 다중 리더-다중 팔로워 게임 모델에 스택엘베르크 균형이 존재하는가?
• RQ2 고정된 OSP 가격 하에서 분산 알고리즘(IPOA)이 IoT MD의 나시 균형 오픈로딩 전략을 효과적으로 계산할 수 있는가?
• RQ3 OSP는 비협력적이고 프라이버시 보장이 가능한 방식으로 어떻게 자신의 가격을 동적으로 조정하여 유틸리티를 극대화할 수 있는가?
• RQ4 기존의 오픈로딩 기법과 비교해 볼 때 제안된 메커니즘이 시스템 효율성과 공정성 측면에서 얼마나 향상되는가?
• RQ5 MD의 불만족도 감소 및 OSP의 수익 증대 측면에서 이 메커니즘의 성능은 어떠한가?

주요 결과

• 제안된 메커니즘은 가격의 불안정성 비율이 150% 이하로 유지되어, 이기적인 행동으로 인한 시스템 성능 손실가 제한됨을 보여준다.
• IPOA는 전통적인 오픈로딩 기법 대비 IoT MD의 불만족도를 크게 감소시켜 QoE 향상을 입증한다.
• ISPA는 OSP의 수익을 성공적으로 증가시키며, 50회의 반복 후 블라인드 가격 설정 대비 평균 유틸리티에서 7.5% 향상되었다.
• 반복 횟수가 증가할수록 OSP의 가격이 급격히 상승하며, 성능 우월성 덕분에 엣지 컴퓨팅 제공자에 비해 클라우드 제공자보다 높은 가격을 책정한다.
• ISPA의 각 반복 단계에서 모든 OSP의 유틸리티가 증가하며, 엣지 컴퓨팅 OSP는 항상 클라우드 컴퓨팅 OSP보다 높은 유틸리티를 달성한다.
• MD의 평균 불만족도는 전송 전력(εᵢᵗˣ)이 높아질수록 증가하지만, IPOA는 다양한 작업 도착률과 전력 수준에서도 낮은 불만족도를 유지한다.