[논문 리뷰] EMM: Energy-Aware Mobility Management for Mobile Edge Computing in Ultra Dense Networks

Yuxuan Sun, Sheng Zhou외 1명|arXiv (Cornell University)|2017. 09. 08.

Advanced MIMO Systems Optimization참고 문헌 9인용 수 6

한 줄 요약

이 논문은 초밀도 네트워크에서 모바일 에지 컴퓨팅(MEC)을 위한 에너지 인지 이동 관리 기법인 EMM을 제안한다. Lyapunov 최적화와 다중 손잡이 밴딧(MAB) 이론을 활용하여 장기적인 에너지 제약 하에서 지연을 최소화한다. 알고리즘은 향후 상태 정보가 불완전하거나 변화무도한 상황에서도 사용자 에너지 예산을 충족시키면서 근사 최적의 지연 성능을 달성한다.

ABSTRACT

Merging mobile edge computing (MEC) functionality with the dense deployment of base stations (BSs) provides enormous benefits such as a real proximity, low latency access to computing resources. However, the envisioned integration creates many new challenges, among which mobility management (MM) is a critical one. Simply applying existing radio access oriented MM schemes leads to poor performance mainly due to the co-provisioning of radio access and computing services of the MEC-enabled BSs. In this paper, we develop a novel user-centric energy-aware mobility management (EMM) scheme, in order to optimize the delay due to both radio access and computation, under the long-term energy consumption constraint of the user. Based on Lyapunov optimization and multi-armed bandit theories, EMM works in an online fashion without future system state information, and effectively handles the imperfect system state information. Theoretical analysis explicitly takes radio handover and computation migration cost into consideration and proves a bounded deviation on both the delay performance and energy consumption compared to the oracle solution with exact and complete future system information. The proposed algorithm also effectively handles the scenario in which candidate BSs randomly switch on/off during the offloading process of a task. Simulations show that the proposed algorithms can achieve close-to-optimal delay performance while satisfying the user energy consumption constraint.

연구 동기 및 목표

• 기지국(BS)이 무선 액세스 및 계산 서비스를 동시에 제공하는 모바일 에지 컴퓨팅(MEC) 환경에서의 이동 관리 과제를 해결한다.
• 초밀도 네트워크(UDN)에서 전통적인 무선 중심 이동 관리의 한계를 극복하며, 무선 및 계산 자원을 동시에 공급하는 환경에서 사용자 연결의 복잡성을 줄인다.
• 미래 시스템 상태 정보 없이 작동하는 온라인, 사용자 중심의 이동 관리 알고리즘을 설계하며, 케이스 온/오프 스위칭으로 인한 기지국 가용성의 변화를 처리한다.
• 장기적인 에너지 예산 제약 하에서 작업 이송 지연과 사용자 에너지 소비 간의 트레이드오프를 최적화한다.
• 노이즈가 있는 관측치(예: 기지국 부하 및 채널 상태 관측 오차)에 대해서도 강건성을 확보한다.

제안 방법

• Lyapunov 최적화와 다중 손잡이 밴딧(MAB) 이론을 융합하여, 지연과 에너지 소비를 균형 잡는 온라인 이동 관리 알고리즘을 설계한다.
• 목표를 시간 평균 지연 최소화에 둔 제약 최적화 문제로 공식화하며, 장기적인 에너지 예산 제약 조건을 포함한다.
• 제약 문제를 해소하기 위해 Lyapunov 드리프트플러스패널티 방법을 적용하여 제약 없는 드리프트플러스패널티 표현 최소화 문제로 변환한다.
• MAB 프레임워크를 활용해, 기지국 성능에 대한 불완전하거나 노이즈가 있는 관측치가 있는 상황에서도 실시간으로 최적의 기지국을 학습한다.
• 가용 기지국 집합이 변화할 경우 학습 상태를 유지하는 일반화된 EMM 변형(E-MM-LSI-V)을 설계하여 수렴 속도를 향상시키고 핸드오버 오버헤드를 줄인다.
• 실제 운영 오버헤드를 반영하기 위해 무선 핸드오버 비용과 계산 이동 비용을 모두 유틸리티 함수에 통합한다.

실험 결과

연구 질문

• RQ1 미래 시스템 상태 정보가 없고 관측치가 노이즈가 있는 상황에서 MEC 기반 초밀도 네트워크의 이동 관리가 어떻게 최적화될 수 있는가?
• RQ2 완벽한 미래 지식을 가진 오라클 솔루션과 비교했을 때, 제안된 온라인 알고리즘의 지연 및 에너지 소비 성능 격차는 어떠한가?
• RQ3 기지국의 랜덤 케이스 온/오프 스위칭과 같은 동적 기지국 가용성 상황에서 알고리즘이 어떻게 대처하는가?
• RQ4 학습 기간과 관측 분산이 이동 관리 알고리즘의 수렴 및 지연 성능에 미치는 영향은 어떠한가?
• RQ5 제안된 알고리즘이 사용자 정의 장기 에너지 예산을 엄격히 준수하면서도 근사 최적의 지연 성능을 달성할 수 있는가?

주요 결과

• 제안된 EMM 알고리즘은 향후 상태 정보가 완전한 오라클 솔루션과 비교해 유한한 편차 내에서 지연 성능을 달성하며, 이론적 안정성과 근사 최적성의 증명을 확보한다.
• 시뮬레이션 결과, 에너지 예산이 충분히 큰 경우 EMM-GSI는 학습으로 인한 성능 손실이 최소화되어 근사 최적의 지연 성능을 달성한다.
• 에너지 예산이 낮은 경우에도 알고리즘이 에너지 제약을 효과적으로 이행하여, 타당한 해가 존재하지 않을 경우에도 위반을 방지한다.
• 관측 분산이 30%일 경우, EMM-LSI는 $ K_s = 20 $에서 학습 정확도와 핸드오버 비용을 균형 잡은 최적 성능을 달성한다.
• 가용 기지국 집합이 변화할 경우 EMM-LSI-V는 EMM-LSI보다 더 빠른 수렴 속도를 보이며, 핸드오버 시간을 줄이고 동적 네트워크 조건에 대한 적응성을 향상시킨다.
• 동적 기지국 가용성 조건 하에서도 알고리즘이 낮은 불만족도(regret)를 유지하며, EMM-LSI-V는 수렴 속도와 안정성 측면에서 EMM-LSI를 능가한다.