[论文解读] Energy-Efficient Resource Allocation for Mobile-Edge Computation Offloading (Extended Version)

Changsheng You, Kaibin Huang+2 more|arXiv (Cornell University)|May 27, 2016

IoT and Edge/Fog Computing参考文献 21被引用 5

一句话总结

本文提出了一种在时分多址（TDMA）和正交频 division 多址（OFDMA）系统中实现多用户移动边缘计算卸载（MECO）的节能资源分配方法，通过建立凸优化问题，在满足时延约束条件下最小化移动设备总能耗。主要贡献在于基于卸载优先级函数推导出一种基于阈值的卸载策略，实现了低复杂度下的最优或近似最优性能。

ABSTRACT

Mobile-edge computation offloading (MECO) offloads intensive mobile computation to clouds located at the edges of cellular networks. Thereby, MECO is envisioned as a promising technique for prolonging the battery lives and enhancing the computation capacities of mobiles. In this paper, we study resource allocation for a multiuser MECO system based on time-division multiple access (TDMA) and orthogonal frequency-division multiple access (OFDMA). First, for the TDMA MECO system with infinite or finite computation capacity, the optimal resource allocation is formulated as a convex optimization problem for minimizing the weighted sum mobile energy consumption under the constraint on computation latency. The optimal policy is proved to have a threshold-based structure with respect to a derived offloading priority function, which yields priorities for users according to their channel gains and local computing energy consumption. As a result, users with priorities above and below a given threshold perform complete and minimum offloading, respectively. Moreover, for the cloud with finite capacity, a sub-optimal resource-allocation algorithm is proposed to reduce the computation complexity for computing the threshold. Next, we consider the OFDMA MECO system, for which the optimal resource allocation is formulated as a non-convex mixed-integer problem. To solve this challenging problem and characterize its policy structure, a sub-optimal low-complexity algorithm is proposed by transforming the OFDMA problem to its TDMA counterpart. The corresponding resource allocation is derived by defining an average offloading priority function and shown to have close-to-optimal performance by simulation.

研究动机与目标

• 解决在电池和计算资源有限的多用户移动边缘计算（MECO）系统中最小化移动设备能耗的挑战。
• 设计联合无线与计算资源分配方案，提升MECO系统的能量效率，尤其针对时分多址（TDMA）和正交频 division 多址接入（OFDMA）系统。
• 刻画最优资源分配策略的结构特性，以实现低复杂度的实现。
• 通过将混合整数问题转化为类似TDMA的等效形式，将分析从TDMA扩展至OFDMA，以实现可解的解决方案。

提出的方法

• 为基于TDMA的MECO建立凸优化问题，以在计算时延和功率约束下最小化加权和移动设备能耗。
• 基于信道增益和本地计算能耗定义卸载优先级函数，该函数决定了最优策略的基于阈值的结构。
• 证明：优先级高于阈值的用户应完全卸载，而优先级低于阈值的用户应最小化卸载，该结论基于优先级函数。
• 针对有限容量云环境，提出一种次优算法，以降低计算复杂度，同时保持接近最优的性能。
• 通过使用平均卸载优先级函数，将OFDMA MECO问题转化为类似TDMA的等效形式，以实现低复杂度的次优解。
• 利用Lambert W函数解析求解优化中的关键方程，从而获得传输时间和卸载计算量的闭式表达式。

实验结果

研究问题

• RQ1 在具有无限或有限云计算容量的多用户TDMA-MECO系统中，最优资源分配策略是什么？
• RQ2 如何刻画最优策略的结构，以实现低复杂度实现？
• RQ3 在OFDMA-MECO系统中，最优与次优资源分配之间的性能差距是多少？
• RQ4 能否将OFDMA-MECO问题有效转化为类似TDMA的问题，以简化求解推导？
• RQ5 所推导的卸载优先级函数如何影响传输能耗与本地计算能耗之间的权衡？

主要发现

• 基于TDMA的MECO最优资源分配具有基于阈值的结构：优先级高于阈值的用户完全卸载，优先级低于阈值的用户最小化卸载。
• 对于有限容量云环境，提出了一种次优算法，显著降低复杂度，同时保持接近最优性能，其阈值通过迭代计算获得。
• 在OFDMA-MECO系统中，所提出的次优算法通过利用平均卸载优先级函数，并将问题转化为类似TDMA的形式，实现了接近最优的性能。
• 利用Lambert W函数，推导出每个用户最优传输时间和卸载计算量的闭式表达式，从而实现高效计算。
• 所推导的优先级函数依赖于信道增益和本地计算能耗，提供了一种基于能量效率的用户优先级排序的系统化方法。
• 仿真结果表明，与基准方案相比，所提出的策略显著降低了总移动设备能耗，尤其在高移动性或高时延场景下表现更优。