[논문 리뷰] Joint Task Assignment and Resource Allocation for D2D-Enabled Mobile-Edge Computing

Hong Xing, Liang Liu외 2명|arXiv (Cornell University)|2019. 02. 26.

IoT and Edge/Fog Computing참고 문헌 24인용 수 8

한 줄 요약

이 논문은 계산 지연을 최소화하기 위해 디바이스 투 디바이스(D2D) 기반 모바일 엣지 컴퓨팅(MEC) 시스템을 위한 동시 작업 할당 및 자원 할당 프레임워크를 제안한다. 혼합정수비선형계획문(MINLP)을 수립하고 볼록화 이론 및 부분 최적 작업 할당을 통해 해를 구함으로써, 히우리스틱 및 기준 기반 방법에 비해 뚜렷한 지연 감소를 달성한다. 특히 무선 및 계산 자원의 동시 최적화를 통해 성능 향상이 이루어진다.

ABSTRACT

With the proliferation of computation-extensive and latency-critical applications in the 5G and beyond networks, mobile-edge computing (MEC) or fog computing, which provides cloud-like computation and/or storage capabilities at the network edge, is envisioned to reduce computation latency as well as to conserve energy for wireless devices (WDs). This paper studies a novel device-to-device (D2D)-enabled multi-helper MEC system, in which a local user solicits its nearby WDs serving as helpers for cooperative computation. We assume a time division multiple access (TDMA) transmission protocol, under which the local user offloads the tasks to multiple helpers and downloads the results from them over orthogonal pre-scheduled time slots. Under this setup, we minimize the computation latency by optimizing the local user's task assignment jointly with the time and rate for task offloading and results downloading, as well as the computation frequency for task execution, subject to individual energy and computation capacity constraints at the local user and the helpers. However, the formulated problem is a mixed-integer non-linear program (MINLP) that is difficult to solve. To tackle this challenge, we propose an efficient algorithm by first relaxing the original problem into a convex one, and then constructing a suboptimal task assignment solution based on the obtained optimal one. Next, we consider a benchmark scheme that endows the WDs with their maximum computation capacities. To further reduce the implementation complexity, we also develop a heuristic scheme based on the greedy task assignment. Finally, numerical results validate the effectiveness of our proposed algorithm, as compared against the heuristic scheme and other benchmark ones without either joint optimization of radio and computation resources or task assignment design.

연구 동기 및 목표

• AR 및 자율 주행과 같은 지연 민감한 애플리케이션으로 인해 증가하는 5G 및 그 이상 네트워크에서 저지연, 에너지 효율적인 계산 수요를 해결하기 위해.
• 근처의 디바이스들이 로컬 사용자에게 계산 보조자로 협력하는 다중 보조자(D2D) 기반 MEC 시스템을 모델링하기 위해.
• 개별 에너지 및 계산 용량 제약 조건 하에서 작업 오프로딩, 결과 다운로드, 계산 주파수 및 시간/비율 할당을 동시에 최적화하기 위해.
• 혼합정수비선형계획문(MINLP)의 복잡성을 극복하기 위해 무선 및 계산 자원 할당을 동시에 최적화하여 총 계산 지연을 최소화하기 위해.

제안 방법

• 작업 할당, 시간/주파수 할당, 그리고 오프로딩 및 실행을 위한 계산 주파수를 동시에 최적화하기 위해 혼합정수비선형계획문(MINLP)을 수립한다.
• 라그랑주 이중분해 및 카룩-쿤-터커(KKT) 조건을 사용하여 MINLP를 볼록 문제로 변환하고 최적 자원 할당을 유도한다.
• 정수 제약 조건을 만족시키는 타당성 확보를 위해 최적의 이완 해를 바탕으로 부분 최적 작업 할당 해를 구성한다.
• 람베르트 W 함수 및 계산 지연 함수의 역함수를 사용하여 최적 오프로딩 시간, 다운로드 시간 및 계산 시간의 닫힌 형태 표현식을 유도한다.
• 구현 복잡도를 줄이기 위해 히우리스틱 그레디 작업 할당 방식을 제안하고, 최적 및 기준 기반 방법과 비교한다.
• 단순형법을 사용하여 최종 선형계획문(LP1)을 해결하여 보조자 간 최적의 작업 할당 분포를 결정한다.

실험 결과

연구 질문

• RQ1 D2D 기반 다중 보조자 MEC 시스템에서 작업 할당 및 자원 할당을 동시에 최적화하여 계산 지연을 최소화할 수 있는 방법은 무엇인가?
• RQ2 보조자가 제한된 에너지 및 계산 용량을 가질 경우, 통신 자원과 계산 자원 간 최적의 트레이드오프는 어떻게 설정할 수 있는가?
• RQ3 제안된 볼록화 이론 기반 접근 방식은 히우리스틱 및 비공동 최적화 기준 기반 방법과 비교하여 지연 및 에너지 효율성 측면에서 어떻게 성능을 발휘하는가?
• RQ4 오프로딩, 계산 및 다운로드의 동시 최적화가 무선 또는 계산 자원을 별도로 최적화하는 것과 비교해 시스템 성능에 미치는 영향은 무엇인가?
• RQ5 낮은 복잡도를 유지하면서도 거의 최적의 지연 성능을 달성할 수 있는 부분 최적의 효율적인 작업 할당 전략을 설계할 수 있는가?

주요 결과

• 제안된 알고리즘은 무선 및 계산 자원을 공동으로 최적화하지 않는 히우리스틱 및 기준 기반 방법에 비해 뚜렷한 계산 지연 감소를 달성한다.
• 볼록화 이론에 기반한 부분 최적 작업 할당 해는 최적 지연에 매우 가까운 성능을 보이며, 이론적 이론의 효과성을 입증한다.
• 수치 결과는 작업 할당, 오프로딩 시간, 다운로드 시간 및 계산 주파수의 동시 최적화가 상당한 성능 향상을 이끌어낸다는 것을 검증한다.
• 최적 완료 시간은 $ T^{\text{total}} = t_1^{\text{off}} + t_1^{\text{c}} + \sum_{k=1}^K t_k^{\text{dl}} $로 단순화되며, 이는 시스템 지연이 첫 번째 보조자의 오프로딩 및 계산 시간에 더해 전체 다운로드 시간에 의해 지배됨을 시사한다.
• 람베르트 W 함수의 사용은 최적 시간 및 비율 할당에 대한 닫힌 형태 해를 가능하게 하여 계산 효율성을 향상시킨다.
• 보조자 계산 용량을 고정하거나 작업 할당 설계를 忽略하는 방법에 비해 제안된 방법이 뛰어난 성능을 보이며, 공동 최적화의 중요성을 입증한다.