[논문 리뷰] Multiuser Resource Allocation for Mobile-Edge Computation Offloading

Changsheng You, Kaibin Huang|arXiv (Cornell University)|2016. 04. 09.

IoT and Edge/Fog Computing참고 문헌 13인용 수 6

한 줄 요약

이 논문은 공유된 엣지 클라우드 자원을 가진 다중 사용자 모바일 엣지 계산 오프로딩(MECO) 시스템에서 가중치 합 에너지 소비를 최소화하기 위해 임계값 기반 자원 할당 방식을 제안한다. 채널 이득과 현지 계산 에너지 기반의 오프로딩 우선순위 함수를 유도함으로써 최적 정책은 임계값 이상인 사용자에게는 완전한 오프로딩을, 이하인 사용자에게는 최소 오프로딩을 허용하며, 복잡도가 낮은 부분 최적 알고리즘은 근사 최적 성능을 달성한다.

ABSTRACT

Mobile-edge computation offloading (MECO) offloads intensive mobile computation to clouds located at the edges of cellular networks. Thereby, MECO is envisioned as a promising technique for prolonging the battery lives and enhancing the computation capacities of mobiles. In this paper, we consider resource allocation in a MECO system comprising multiple users that time share a single edge cloud and have different computation loads. The optimal resource allocation is formulated as a convex optimization problem for minimizing the weighted sum mobile energy consumption under constraint on computation latency and for both the cases of infinite and finite edge cloud computation capacities. The optimal policy is proved to have a threshold-based structure with respect to a derived offloading priority function, which yields priorities for users according to their channel gains and local computing energy consumption. As a result, users with priorities above and below a given threshold perform complete and minimum offloading, respectively. Computing the threshold requires iterative computation. To reduce the complexity, a sub-optimal resource-allocation algorithm is proposed and shown by simulation to have close-to-optimal performance.

연구 동기 및 목표

• 공유된 엣지 클라우드 자원을 가진 다중 사용자 모바일 엣지 계산 오프로딩(MECO) 시스템에서 에너지 효율성을 향상시키기 위해.
• 계산 지연 및 자원 제약 조건 하에서 가중치 합 이동 에너지 소비를 최소화하기 위해.
• 시간 분할 다중접근(TDMA)을 사용하는 MECO 시스템의 최적 자원 할당 정책에 대한 구조적 통찰을 도출하기 위해.
• 최적 성능에 가까운 성능을 유지하면서 복잡도가 낮은 부분 최적 알고리즘을 설계하기 위해.

제안 방법

• 지연 및 용량 제약 조건 하에서 가중치 합 이동 에너지 소비를 최소화하는 자원 할당 문제를 볼록 최적화 문제로 수식화한다.
• 사용자 채널 이득과 현지 계산 에너지 소비 기반의 오프로딩 우선순위 함수를 유도한다.
• 최적 정책이 임계값 기반의 구조를 띤다는 것을 증명한다: 우선순위가 임계값 이상인 사용자는 완전히 오프로딩하고, 이하인 사용자는 최소 오프로딩을 수행한다.
• 라그랑주 이중성과 라멘트 W-함수를 사용하여 이중 문제를 해석적으로 풀고 임계값을 유도한다.
• 반복적인 임계값 계산을 피하면서도 근사 최적 성능을 유지하는 부분 최적 알고리즘을 제안한다.
• 시뮬레이션을 통해 성능을 검증하였으며, 복잡도를 낮춘 상태에서 최적에 가까운 에너지 절감 효과를 입증하였다.

실험 결과

연구 질문

• RQ1 공유된 엣지 클라우드 용량을 가진 다중 사용자 MECO 시스템에서 자원 할당의 최적 구조는 어떠한가?
• RQ2 업링크 전송 에너지와 현지 계산 에너지 간의 트레이드오프는 오프로딩 결정에 어떻게 영향을 미치는가?
• RQ3 간단한 임계값 기반 정책이 MECO 시스템에서 근사 최적의 에너지 효율성을 달성할 수 있는가?
• RQ4 사용자별 채널 품질과 현지 계산 에너지는 오프로딩 우선순위를 결정하는 데 어떤 역할을 하는가?
• RQ5 최적 임계값을 찾는 데 소요되는 계산 복잡도는 성능 손실 없이 어떻게 감소시킬 수 있는가?

주요 결과

• 최적 자원 할당 정책은 임계값 기반의 구조를 띠며, 우선순위가 임계값 이상인 사용자는 완전히 오프로딩하고, 이하인 사용자는 최소 오프로딩을 수행한다.
• 오프로딩 우선순위 함수는 채널 이득과 현지 계산 에너지에 의존하여 공정하고 에너지 효율적인 사용자 우선순위 부여를 가능하게 한다.
• 최적 임계값은 라멘트 W-함수를 사용하여 유도되며, 반복 계산이 필요하여 부분 최적 대안의 필요성을 암시한다.
• 제안된 부분 최적 알고리즘은 시뮬레이션 결과 최적 해에 비해 5% 이내의 성능을 달성하면서도 복잡도가 크게 감소하였다.
• 특히 유한 용량의 엣지 클라우드 환경에서 무선 및 계산 자원을 공동 최적화함으로써 상당한 에너지 절감 효과를 달성한다.
• 이론적 분석을 통해 우선순위 함수가 적절히 정의된 경우 최적 정책이 개별 사용자 데이터 크기 변화에 대해 민감하지 않음을 밝혀냈다.