[论文解读] Efficient Resource Allocation for Relay-Assisted Computation Offloading in Mobile Edge Computing

Xihan Chen, Yunlong Cai+4 more|arXiv (Cornell University)|Sep 1, 2019

Advanced Wireless Communication Technologies参考文献 25被引用 4

一句话总结

本文提出了一种在移动边缘计算中用于中继辅助计算卸载（RACO）的混合中继（HR）方案，利用两个正交频段：放大转发用于结果共享，解码转发用于任务传输。通过联合优化卸载比例、带宽、处理器速度和发射功率，该方法基于CCCP的迭代算法最小化加权总延迟和能耗，相较于基准方案性能更优且复杂度更低。

ABSTRACT

In this article, we consider the problem of relay assisted computation offloading (RACO), in which user A aims to share the results of computational tasks with another user B through wireless exchange over a relay platform equipped with mobile edge computing capabilities, referred to as a mobile edge relay server (MERS). To support the computation offloading, we propose a hybrid relaying (HR) approach employing two orthogonal frequency bands, where the amplify-and-forward scheme is used in one band to exchange computational results, while the decode-and-forward scheme is used in the other band to transfer the unprocessed tasks. The motivation behind the proposed HR scheme for RACO is to adapt the allocation of computing and communication resources both to dynamic user requirements and to diverse computational tasks. Within this framework, we seek to minimize the weighted sum of the execution delay and the energy consumption in the RACO system by jointly optimizing the computation offloading ratio, the bandwidth allocation, the processor speeds, as well as the transmit power levels of both user $A$ and the MERS, under practical constraints on the available computing and communication resources. The resultant problem is formulated as a non-differentiable and nonconvex optimization program with highly coupled constraints. By adopting a series of transformations and introducing auxiliary variables, we first convert this problem into a more tractable yet equivalent form. We then develop an efficient iterative algorithm for its solution based on the concave-convex procedure. By exploiting the special structure of this problem, we also propose a simplified algorithm based on the inexact block coordinate descent method, with reduced computational complexity. Finally, we present numerical results that illustrate the advantages of the proposed algorithms over state-of-the-art benchmark schemes.

研究动机与目标

• 解决在用户和任务需求动态变化条件下，移动边缘计算中低时延、高能效计算卸载的挑战。
• 在中继辅助架构下，通过移动边缘中继服务器（MERS）实现两个用户之间计算结果的高效共享。
• 在计算与通信资源的实际约束下，最小化执行延迟与能耗的加权和。
• 联合优化两个用户及MERS的计算卸载比例、带宽分配、处理器速度和发射功率。
• 设计低复杂度算法，有效求解具有高度耦合约束的不可微、非凸优化问题。

提出的方法

• 提出一种使用两个正交频段的混合中继（HR）方案：放大转发用于结果交换，解码转发用于未处理任务的传输。
• 将资源分配问题建模为具有计算与通信资源耦合约束的不可微、非凸优化程序。
• 通过变量替换和辅助变量，将原始问题转化为等价且更易处理的形式。
• 基于凹-凸规划（CCCP）开发一种迭代算法，求解重构后的问题并保证收敛性。
• 提出一种基于近似块坐标下降法的简化算法，以降低计算复杂度，同时保持良好性能。
• 通过二分法求解对偶问题，利用一阶最优性条件和可行集上的投影，实现功率分配的闭式更新。

实验结果

研究问题

• RQ1 在中继辅助计算卸载系统中，如何联合优化资源分配以最小化延迟与能耗？
• RQ2 在具有移动边缘中继服务器的双用户MEC场景中，计算卸载与通信中继之间最优权衡是什么？
• RQ3 如何通过低复杂度算法有效应对联合优化问题的不可微与非凸特性？
• RQ4 与传统中继方法相比，混合中继方案在RACO系统中可带来多大的性能增益？
• RQ5 动态用户需求与多样化计算任务如何影响移动边缘网络中自适应资源分配策略的设计？

主要发现

• 所提出的基于CCCP的迭代算法实现收敛，且在最小化延迟与能耗加权和方面显著优于现有先进基准方案。
• 简化后的不精确块坐标下降算法在保持近似最优性能的同时显著降低计算复杂度，适用于实时部署。
• 数值结果表明，混合中继方案能有效平衡任务卸载与结果共享，实现更低的端到端延迟与更少能耗。
• 基于二分法的对偶分解方法可高效求解对偶问题，实现闭式功率更新，确保快速收敛。
• 通过连续凸近似，该算法设计成功处理了优化问题的不可微与非凸特性。
• 与仅采用传统解码转发或放大转发的方案相比，所提系统在高负载条件下显著降低了加权总成本。