[논문 리뷰] Variability Aware Network Utility Maximization

Vinay Joseph, Gustavo de Veciana|arXiv (Cornell University)|2011. 11. 16.

Software System Performance and Reliability인용 수 10

한 줄 요약

이 논문은 사용자 보상의 평균과 시간적 변동성 간의 트레이드오프를 명시적으로 모델링하고 최적화하는 변동성 민감한 네트워크 유용도 최대화(NUM) 프레임워크를 제안한다. 정적 일관성 있는 조건 하에서, 향후 자원 변동성에 대한 전체 지식을 가진 오프라인 알고리즘의 성능에 수렴하는 온라인 적응형 변동성 인식 자원(ACR) 할당 알고리즘을 도입한다.

ABSTRACT

Network Utility Maximization (NUM) provides the key conceptual framework to study resource allocation amongst a collection of users/entities across disciplines as diverse as economics, law and engineering. In network engineering, this framework has been particularly insightful towards understanding how Internet protocols allocate bandwidth, and motivated diverse research on distributed mechanisms to maximize network utility while incorporating new relevant constraints, on energy/power, storage, stability, etc., for systems ranging from communication networks to the smart-grid. However when the available resources and/or users' utilities vary over time, a user's allocations will tend to vary, which in turn may have a detrimental impact on the users' utility or quality of experience. This paper introduces a generalized NUM framework which explicitly incorporates the detrimental impact of temporal variability in a user's allocated rewards. It explicitly incorporates tradeoffs amongst the mean and variability in users' allocations. We propose an online algorithm to realize variance-sensitive NUM, which, under stationary ergodic assumptions, is shown to be asymptotically optimal, i.e., achieves a time-average equal to that of an offline algorithm with knowledge of the future variability in the system. This substantially extends work on NUM to an interesting class of relevant problems where users/entities are sensitive to temporal variability in their service or allocated rewards.

연구 동기 및 목표

• 동적 네트워크에서 사용자 보상의 시간적 변동성이 사용자 경험의 질(QoE)에 악영향을 미치는 문제를 다루기 위해.
• 평균 보상과 보상 변동성 간의 명시적 균형을 갖는 일반화된 NUM 프레임워크를 수학적으로 정의하기 위해.
• 미래 지식이 없음에도 불구하고 오프라인 최적 해에 가까운 성능을 달성하는 온라인 알고리즘을 설계하기 위해.
• 유용도 함수에 변동성 페널티를 통합하여 인간이 서비스 불안정성에 민감한 정도를 모델링하기 위해.

제안 방법

• 시간 평균 유용도와 변동성 페널티 항을 조합한 QoE의 대체 지표를 최대화하는 일반화된 오프라인 최적화 문제(OPT(T))를 제안한다.
• 라그랑주 이중 형식을 사용하여 최적성 조건을 유도하고, 해의 볼록성과 유일성을 입증한다.
• 관측된 채널 상태와 추정된 보상 변동성을 바탕으로 자원 할당을 동적으로 조정하는 온라인 AVR 알고리즘을 설계한다.
• 리아푸노프 함수와 안정성 분석을 활용하여 알고리즘의 매개변수들이 최적 해 집합으로 수렴함을 증명한다.
• 온라인 할당의 시간 평균이 오프라인 최적 평균 할당으로 수렴함을 보장하기 위해 시간 평균 보상 추적 메커니즘을 도입한다.
• 시간 변화하는 제약 조건의 정적 일관성 성질을 활용하여, 온라인 할당의 시간 평균이 오프라인 최적값과 일치함을 증명한다.

실험 결과

연구 질문

• RQ1 네트워크 유용도 최대화는 사용자 보상의 시간적 변동성을 명시적으로 고려하도록 어떻게 확장될 수 있는가?
• RQ2 미래 자원 변동성에 대한 전체 지식을 가진 오프라인 알고리즘과 비교해 볼 때, 온라인 알고리즘이 유사한 성능을 달성할 수 있는가?
• RQ3 보상 변동성이 사용자 QoE에 미치는 영향은 무엇이며, 이를 NUM 프레임워크 내에서 어떻게 모델링할 수 있는가?
• RQ4 증명 가능하게 수렴하는 분산형 온라인 방식으로 변동성 민감한 자원 할당을 어떻게 구현할 수 있는가?
• RQ5 시간 변화하는 정적 일관성 제약 조건 하에서 온라인 알고리즘이 최적 해로 수렴하기 위한 조건은 무엇인가?

주요 결과

• 제안된 AVR 알고리즘은 渐진적으로 최적이다. 즉, 시간 평균 성능이 향후 지식을 모두 갖춘 오프라인 알고리즘의 성능으로 수렴한다.
• 알고리즘은 최적 해 집합 H∗로 수렴하며, 이는 평균 보상과 변동성 추정치가 최적 매개변수와 일치함을 의미한다.
• 온라인 알고리즘의 할당 값의 시간 평균은 정적 일관성과 대수의 법칙을 통해 오프라인 최적 평균 할당 mπ로 수렴함을 보여준다.
• 유용도 함수에 포함된 변동성 페널티 항은 보상의 변동성을 효과적으로 줄여주며, 평균 유용도를 희생시키지 않고도 사용자 경험의 질을 향상시킨다.
• 시간 변화하는 제약 조건(ct)에 대해 정적 일관성 가정이 성립할 경우 수렴이 보장된다.
• 해는 유일하며 평균 및 변동성 매개변수에 대해 연속적으로 의존하므로, 매개변수 추정 오차에 대해 강건함을 보장한다.