[論文レビュー] Joint Optimization of Service Caching Placement and Computation Offloading in Mobile Edge Computing Systems

Suzhi Bi, Liang Huang+1 more|arXiv (Cornell University)|Jun 3, 2019

IoT and Edge/Fog Computing参考文献 42被引用数 14

ひとこと要約

本稿では、モバイルエッジコンピューティング（MEC）システムにおけるモバイルユーザー（MU）の計算遅延とエネルギー消費を最小化することを目的として、サービスキャッシュ配置と計算オフロードの共同最適化フレームワークを提案する。混合整数非線形計画法（MINLP）として定式化し、それを同等の0-1整数線形計画法（ILP）に変換することで、効率的な計算オフロード意思決定と再利用可能なアプリケーションプログラムの動的キャッシュが可能となり、ベンチマークと比較して顕著なリソース節約が達成される。

ABSTRACT

In mobile edge computing (MEC) systems, edge service caching refers to pre-storing the necessary programs for executing computation tasks at MEC servers. At resource-constrained edge servers, service caching placement is in general a complicated problem that highly correlates to the offloading decisions of computation tasks. In this paper, we consider a single edge server that assists a mobile user (MU) in executing a sequence of computation tasks. In particular, the MU can run its customized programs at the edge server, while the server can selectively cache the previously generated programs for future service reuse. To minimize the computation delay and energy consumption of the MU, we formulate a mixed integer non-linear programming (MINLP) that jointly optimizes the service caching placement, computation offloading, and system resource allocation. We first derive the closed-form expressions of the optimal resource allocation, and subsequently transform the MINLP into an equivalent pure 0-1 integer linear programming (ILP). To further reduce the complexity in solving the ILP, we exploit the underlying structures in optimal solutions, and devise a reduced-complexity alternating minimization technique to update the caching placement and offloading decision alternately. Simulations show that the proposed techniques achieve substantial resource savings compared to other representative benchmark methods.

研究の動機と目的

• モバイルエッジコンピューティング（MEC）システムにおけるモバイルユーザーの計算遅延とエネルギー消費を最小化すること。
• サービスキャッシュ配置、計算オフロード意思決定、およびシステムリソース割り当て（例：CPU周波数および送信電力）を共同で最適化すること。
• 限られたエッジキャッシュ領域におけるキャッシュ意思決定とオフロード選択の相関関係に対処すること。
• タスク依存関係とキャッシュ因果関係構造を活用した低複雑度の解決策を開発すること。
• 共同最適化により、既存のベンチマーク手法よりもリソース効率を向上させること。

提案手法

• キャッシュ、オフロード、リソース割り当て意思決定を統合した混合整数非線形計画法（MINLP）問題を定式化する。
• リソース割り当て（送信電力、CPU周波数）の閉形式最適解を導出することで最適化を簡素化する。
• 元のMINLPを解が同等の純粋な0-1整数線形計画法（ILP）問題に変換し、解法の容易さを確保する。
• タスク依存関係およびキャッシュ因果関係制約を用いて、キャッシュ配置とオフロード意思決定を反復的に更新する低複雑度の交互最小化アルゴリズムを提案する。
• タスク列の構造的性質およびサービス依存関係を活用して計算複雑度を低減する。
• キャッシュ因果関係およびタスク依存関係モデル下での同値性と制約満たしの証明により、妥当性と最適性を検証する。

実験結果

リサーチクエスチョン

• RQ1 MECシステムにおけるサービスキャッシュと計算オフロードをどのように共同最適化することで、モバイルユーザーの遅延とエネルギー消費を最小化できるか？
• RQ2 動的キャッシュ制約下で、ローカル実行、エッジオフロード、クラウドオフロードの最適なトレードオフは何か？
• RQ3 キャッシュ意思決定とオフロード選択の相関関係をどのように数学的にモデル化し、効率的に解けるか？
• RQ4 タスク依存関係およびキャッシュ因果関係が、低複雑度最適化アルゴリズムの設計に与える影響は何か？
• RQ5 提案手法の共同最適化は、完全オフロードまたはローカル実行と比較して、性能およびリソース節約の点でどのように優れているか？

主な発見

• 提案された共同最適化フレームワークは、ベンチマーク手法と比較して、モバイルユーザーの計算遅延とエネルギー消費を顕著に削減する。
• MINLPから同等の0-1 ILPへの変換により、複雑な最適化問題の効率的かつスケーラブルな解法が可能になる。
• 低複雑度の交互最小化アルゴリズムは、タスク依存関係とキャッシュ因果関係を効果的に活用し、計算効率を向上させる。
• 最適リソース割り当て（送信電力およびCPU周波数）の閉形式解が導出され、解析的最適化が可能になる。
• 証明により、最適解がキャッシュ因果関係およびタスク依存関係制約下でも妥当性と目的関数値を維持することが確認される。
• 広範なシミュレーションにより、提案手法がリソース節約および性能の点で既存手法を上回ることを示している。