[论文解读] Energy-Efficient Joint Congestion Control and Resource Optimization in Heterogeneous Cloud Radio Access Networks

Jian Li, Mugen Peng+2 more|arXiv (Cornell University)|Feb 17, 2016

Advanced MIMO Systems Optimization被引用 9

一句话总结

本文提出了一种基于李雅普诺夫的联合拥塞控制与资源优化框架，用于异构云无线电接入网络（H-CRANs），旨在最大化能量效率（EE），同时平衡吞吐量与时延。通过将随机优化问题分解为三个子问题（利用连续性松弛与拉格朗日对偶分解求解），实现了对效用、时延与EE之间可量化的权衡，仿真中证明了队列稳定性与功率节省。

ABSTRACT

The heterogeneous cloud radio access network (HCRAN) is a promising paradigm which integrates the advantages of cloud radio access network (C-RAN) and heterogeneous network (HetNet). In this paper, we study the joint congestion control and resource optimization to explore the energy efficiency (EE)-guaranteed tradeoff between throughput utility and delay performance in a downlink slotted H-CRAN. We formulate the considered problem as a stochastic optimization problem, which maximizes the utility of average throughput and maintains the network stability subject to required EE constraint and transmit power consumption constraints by traffic admission control, user association, resource block allocation and power allocation. Leveraging on the Lyapunov optimization technique, the stochastic optimization problem can be transformed and decomposed into three separate subproblems which can be solved concurrently at each slot. The third mixed-integer nonconvex subproblem is efficiently solved utilizing the continuity relaxation of binary variables and the Lagrange dual decomposition method. Theoretical analysis shows that the proposal can quantitatively control the throughput-delay performance tradeoff with required EE performance. Simulation results consolidate the theoretical analysis and demonstrate the advantages of the proposal from the prospective of queue stability and power consumption.

研究动机与目标

• 解决在具有动态流量到达的时变下行链路H-CRANs中，平衡能量效率（EE）、吞吐量与时延的挑战。
• 克服先前研究中假设全缓冲模型、忽略随机流量动态与时延度量的局限性。
• 制定一个随机优化问题，联合优化流量准入、用户关联、资源块分配与功率控制，同时满足EE与功率约束。
• 通过李雅普诺夫优化确保网络稳定性，并实现吞吐量效用与时延性能之间的可调权衡。
• 设计一种分布式、实时的控制策略，实现子问题的并行求解，并提供可证明的性能界。

提出的方法

• 将联合拥塞控制与资源优化建模为一个随机优化问题，目标是在EE、发射功率与网络稳定性约束下最大化平均吞吐量效用。
• 应用李雅普诺夫优化技术，将问题转化为漂移加惩罚最小化框架，支持逐时隙控制决策。
• 将问题分解为三个子问题：(1) 流量准入与用户关联，(2) 资源块分配，(3) 带有二值变量的功率分配。
• 通过二值变量的连续性松弛与拉格朗日对偶分解处理混合整数非凸子问题，以实现高效计算。
• 引入虚拟队列以基于反压机制控制时延与队列稳定性，并引入辅助变量以强制执行EE约束。
• 推导出每个时隙最小化漂移加惩罚表达式的控制策略，确保系统稳定与性能界。

实验结果

研究问题

• RQ1 在时变流量条件下，如何在H-CRANs中保证能量效率，同时维持高吞吐量与低时延？
• RQ2 在严格的能量效率约束下，吞吐量效用与时延性能之间的可实现权衡是什么？
• RQ3 能否设计一种分布式、实时的控制策略，联合优化准入、关联、资源块与功率分配？
• RQ4 所提出的基于李雅普诺夫的框架如何在动态H-CRAN环境中确保网络稳定与队列有界性？
• RQ5 所提方案与最优效用-EE-时延权衡之间的理论性能差距是多少？

主要发现

• 所提算法实现了吞吐量效用与时延性能之间的可证明权衡，权衡因子通过李雅普诺夫参数 $ V $ 定量控制。
• 理论分析表明，平均效用被下界限制为 $ U^* - C/V $，其中 $ U^* $ 为最优效用，$ C $ 为常数，随着 $ V $ 增大，性能趋近最优。
• 虚拟队列 $ H_j(t) $ 被限制在 $ V\beta\theta_R + A_j^{\text{max}} $ 以内，确保系统稳定且时延可控。
• 流量队列 $ Q_j(t) $ 被限制在 $ V\beta\theta_R + 2A_j^{\text{max}} $ 以内，证实所提出的准入控制策略可维持队列稳定性。
• 仿真结果验证了理论分析，表明与基准方案相比，队列稳定性得到改善，且功耗降低。
• 该算法能有效平衡EE、吞吐量与时延，通过优化中的 $ \theta_R $-相关约束，可实现所需的EE目标。