[论文解读] An Incentive-Aware Job Offloading Control Framework for Mobile Edge Computing

Lingxiang Li, Tony Q. S. Quek+4 more|arXiv (Cornell University)|Dec 14, 2018

Age of Information Optimization参考文献 18被引用 5

一句话总结

本文提出了一种面向移动边缘计算（MEC）的激励感知任务卸载框架，将物理层参数整合到基于卸载成本降低的效用函数中。通过博弈论模型，推导出闭式表达的纳什均衡与社会均衡，并证明了最优定价机制可确保自利用户收敛至系统最优均衡，从而在多用户MEC环境中提升资源效率与公平性。

ABSTRACT

This paper considers a scenario in which an access point (AP) is equipped with a mobile edge server of finite computing power, and serves multiple resource-hungry mobile users by charging users a price. Pricing provides users with incentives in offloading. However, existing works on pricing are based on abstract concave utility functions (e.g, the logarithm function), giving no dependence on physical layer parameters. To that end, we first introduce a novel utility function, which measures the cost reduction by offloading as compared with executing jobs locally. Based on this utility function we then formulate two offloading games, with one maximizing individual's interest and the other maximizing the overall system's interest. We analyze the structural property of the games and admit in closed form the Nash Equilibrium and the Social Equilibrium, respectively. The proposed expressions are functions of the user parameters such as the weights of computational time and energy, the distance from the AP, thus constituting an advancement over prior economic works that have considered only abstract functions. Finally, we propose an optimal pricing-based scheme, with which we prove that the interactive decision-making process with self-interested users converges to a Nash Equilibrium point equal to the Social Equilibrium point.

研究动机与目标

• 填补现有MEC卸载模型中依赖抽象效用函数而缺乏物理层依赖关系的空白。
• 基于计算时间、能耗及与接入点距离等真实世界参数，建模用户卸载决策。
• 设计一种去中心化的控制框架，使自利用户通过定价机制实现系统最优均衡。
• 通过设计最优定价策略，确保用户交互过程收敛至社会最优结果。
• 提供依赖于用户特定参数与网络参数的纳什均衡与社会均衡的闭式表达式。

提出的方法

• 提出一种新颖的效用函数，用于衡量相对于本地执行的卸载成本降低，整合了传输延迟与能耗等物理层参数。
• 构建两个非合作博弈：一个以最大化单个用户效用（纳什均衡）为目标，另一个以最大化总系统效用（社会均衡）为目标。
• 利用效用函数与系统约束，推导出两种均衡的闭式表达式，明确依赖于用户属性（如距离与计算权重）。
• 引入基于定价的控制方案，通过根据用户需求与边缘服务器容量设定价格，使个体激励与系统整体效率对齐。
• 证明在最优定价下，纳什均衡与社会均衡一致，确保在用户理性条件下的系统最优性。
• 利用排队论与凸优化建模边缘服务器工作负载，并推导均衡条件，确保系统稳定性与收敛性。

实验结果

研究问题

• RQ1 如何通过反映真实物理层成本而非抽象凹函数的效用函数来建模用户卸载决策？
• RQ2 由此产生的卸载博弈具有何种结构特性？能否推导出纳什均衡与社会均衡的闭式解？
• RQ3 在何种定价机制下，自利用户可被激励收敛至系统最优均衡？
• RQ4 用户特定参数（如与AP的距离、计算能耗权重）如何影响均衡卸载速率？
• RQ5 所提出的框架能否确保纳什均衡等于社会均衡，从而实现系统级效率？

主要发现

• 所提出的效用函数明确整合了传输延迟与能耗等物理层参数，实现了对卸载收益的现实建模。
• 推导出纳什均衡与社会均衡的闭式表达式，明确显示其对用户特定参数（如距离、计算时间权重、能耗）的依赖性。
• 通过分析均衡条件导出的方程组，证明了社会均衡的存在性与唯一性。
• 设计了最优定价方案，使得博弈的纳什均衡与社会均衡一致，确保系统最优性。
• 在所提出的定价机制下，解析证明了用户交互决策过程可收敛至系统最优点。
• 该框架确保高卸载成本用户（如距离AP较远者）自然被抑制过度使用边缘服务器，从而提升公平性与资源效率。