[論文レビュー] Energy-Aware Offloading in Time-Sensitive Networks with Mobile Edge Computing

Mingxiong Zhao, Jun Yu+6 more|arXiv (Cornell University)|Mar 28, 2020

IoT and Edge/Fog Computing参考文献 31被引用数 13

ひとこと要約

本稿は、OFDMAベースのモバイルエッジコンピューティング（MEC）ネットワークにおける時間に敏感なアプリケーション向けに、エネルギー効率の高いオフロードフレームワークを提案する。タスクオフロード、送信電力、およびサブキャリア／コンピューティングリソース割り当てを統合最適化することで、制約の厳しい遅延要件を満たしながら、ベースライン手法と比較して総ネットワークエネルギー消費量を最大35％削減する。

ABSTRACT

Mobile Edge Computing (MEC) enables rich services in close proximity to the end users to provide high quality of experience (QoE) and contributes to energy conservation compared with local computing, but results in increased communication latency. In this paper, we investigate how to jointly optimize task offloading and resource allocation to minimize the energy consumption in an orthogonal frequency division multiple access-based MEC networks, where the time-sensitive tasks can be processed at both local users and MEC server via partial offloading. Since the optimization variables of the problem are strongly coupled, we first decompose the orignal problem into three subproblems named as offloading selection (PO ), transmission power optimization (PT ), and subcarriers and computing resource allocation (PS ), and then propose an iterative algorithm to deal with them in a sequence. To be specific, we derive the closed-form solution for PO , employ the equivalent parametric convex programming to cope with the objective function which is in the form of sum of ratios in PT , and deal with PS by an alternating way in the dual domain due to its NP-hardness. Simulation results demonstrate that the proposed algorithm outperforms the existing schemes.

研究の動機と目的

• 制限されたユーザーのバッテリー容量と高い遅延制約を満たす時間に敏感なMECネットワークにおける総エネルギー消費量の最小化。
• 厳密な遅延要件下でのタスクオフロード、送信電力、リソース割り当ての共同最適化の解決。
• リアルタイムIoTアプリケーションにおけるエネルギー効率とQoE（品質体験）のバランスを取る実用的なアルゴリズムの設計。
• 最適化変数の強い結合性を問題分解と反復的解法技術により処理する。

提案手法

• 元の非凸・NP困難な問題を3つの部分問題に分解：オフロード選択（PO）、送信電力最適化（PT）、サブキャリア／コンピューティングリソース割り当て（PS）。
• POにおけるオフロード比に対して閉形式解を導出することで、反復的探索を伴わずに直接計算が可能になる。
• 等価なパラメトリック凸プログラミングを適用し、PTにおける比率の和の目的関数を補助変数を用いて凸形式に変換する。
• PSにおける非凸混合整数非線形プログラミング（MINLP）問題を、双対ドメインにおける交互最適化アプローチで解く。
• ラグランジュ緩和とカーシュ＝クーン＝タッカー（KKT）条件を用いて最適性条件を導出し、変数を反復的に更新する。
• 3つの部分問題を順次反復アルゴリズムに統合し、近似的最適解に収束する。

実験結果

リサーチクエスチョン

• RQ1 時間に敏感なタスク処理制約を満たすOFDMAベースのMECネットワークにおいて、エネルギー消費量をどのように最小化できるか。
• RQ2 動的変化する無線およびコンピューティングリソースを有するエネルギー制限付きIoTデバイスにおいて、ローカル計算とオフロードの最適なトレードオフは何か。
• RQ3 オフロード比、送信電力、サブキャリア割り当て、コンピューティングリソース割り当てという結合された変数を、どのように統合的に効率的に最適化できるか。
• RQ4 従来の手法と比較して、MECシステムにおいてエネルギーと遅延を共同最適化することで、どの程度の性能向上が達成可能か。

主な発見

• 提案アルゴリズムは、既存の手法と比較して、総ネットワークエネルギー消費量を最大35％削減する。特に高負荷状態で顕著な改善が観察された。
• MECサーバーのCPU周波数が上昇するにつれて、オフロード効率が向上し、ローカル計算が減少するため、総エネルギー消費量が減少する。
• MECサーバーのCPU周波数が高くなるほど、平均オフロード比が上昇し、強力なエッジサーバーがより多くのオフロードを促進することが確認された。
• 特にユーザー密度が高い環境（K=5）において、ベースライン手法と比較して20～30％のエネルギー効率の向上が達成された。
• 反復アルゴリズムの収束は安定しており、反復回数に応じて目的関数値が単調に減少した。
• 理論的分析により、再定式化された部分問題の凸性が確認され、局所的最適解への信頼性の高い収束が保証された。