[论文解读] Joint Computation and Communication Cooperation for Mobile Edge Computing

Xiaowen Cao, Feng Wang+3 more|arXiv (Cornell University)|Apr 22, 2017

IoT and Edge/Fog Computing参考文献 12被引用 7

一句话总结

该论文提出了一种在移动边缘计算（MEC）中采用四时隙协议的联合计算与通信协作框架，以最小化总能耗并满足时延约束。通过联合优化用户、辅助节点和接入点之间的时间分配、任务划分、CPU频率和传输功率，该方案在能效和计算能力方面均优于非协作或单资源协作的基准方案。

ABSTRACT

This paper proposes a novel joint computation and communication cooperation approach in mobile edge computing (MEC) systems, which enables user cooperation in both computation and communication for improving the MEC performance. In particular, we consider a basic three-node MEC system that consists of a user node, a helper node, and an access point (AP) node attached with an MEC server. We focus on the user's latency-constrained computation over a finite block, and develop a four-slot protocol for implementing the joint computation and communication cooperation. Under this setup, we jointly optimize the computation and communication resource allocation at both the user and the helper, so as to minimize their total energy consumption subject to the user's computation latency constraint. We provide the optimal solution to this problem. Numerical results show that the proposed joint cooperation approach significantly improves the computation capacity and the energy efficiency at the user and helper nodes, as compared to other benchmark schemes without such a joint design.

研究动机与目标

• 解决由于计算和通信资源有限而导致的移动边缘计算（MEC）系统中能量和时延限制问题。
• 探索在计算和通信方面均实现用户协作，以提升在时延约束环境下的 MEC 性能。
• 联合优化时间、功率、任务划分和 CPU 频率，以最小化用户和辅助节点的总能耗。
• 设计一种四时隙协议，实现协作计算和基于中继的通信以支持任务卸载。
• 证明联合设计相较于单独的计算或通信协作方案具有显著优势。

提出的方法

• 设计四时隙协议：(1) 用户将其部分任务卸载至辅助节点；(2) 辅助节点将用户数据中继至 AP；(3) 辅助节点继续中继；(4) AP 执行卸载的任务。
• 将系统建模为三节点 MEC 架构：用户、辅助节点和带有 MEC 服务器的 AP。
• 联合优化：时间分配（τ₁）、任务划分（Lh, Lp）、CPU 频率（fu, fh）和传输功率（Pu）。
• 利用拉格朗日对偶性和 KKT 条件，将非凸优化问题转化为凸问题。
• 通过 Karush-Kuhn-Tucker（KKT）条件和互补松弛性，推导出半闭式最优解。
• 使用包含能量、时延和资源约束的拉格朗日函数，实现对偶分解。

实验结果

研究问题

• RQ1 联合计算与通信协作是否能显著提升 MEC 系统中的能效？
• RQ2 四时隙协议如何实现计算与通信的同步协作？
• RQ3 在满足时延约束的前提下，如何最优分配时间、功率和计算资源以最小化总能耗？
• RQ4 与单独的计算或通信协作相比，联合优化在性能上表现如何？
• RQ5 在何种条件下，联合协作优于单独协作或本地执行？

主要发现

• 所提出的联合协作方案在所有测试场景中均实现了最低能耗，优于本地计算、计算协作和通信协作方案。
• 当时隙长度较短（T < 0.03 秒）时，通信协作优于计算协作；随着 T 增大，趋势发生反转。
• 对于小任务尺寸（L < 0.06 Mbits），本地计算性能几乎与联合协作相当，但随着 L 增大，联合协作的优势逐渐显现。
• 通过充分利用辅助节点的计算与通信资源，联合协作方案显著提升了计算容量和能效。
• 数值结果证实，所提出的优化框架通过 KKT 和对偶性推导出的半闭式解，实现了接近最优的性能。
• 最优时间分配 τ₁* 以闭式表达，清晰展示了卸载时延与能耗之间的权衡。