[论文解读] Game-based Pricing and Task Offloading in Mobile Edge Computing Enabled Edge-Cloud Systems

Yi Su, Wenhao Fan+2 more|arXiv (Cornell University)|Jan 14, 2021

IoT and Edge/Fog Computing参考文献 25被引用 4

一句话总结

该论文提出了一种用于移动边缘计算（MEC）启用的边缘-云系统中任务卸载与定价的分布式博弈论机制，采用多领导者多追随者斯塔克尔伯格博弈来建模卸载服务提供商（OSPs）与物联网移动设备（MDs）之间的交互。该研究提出了两种算法——针对MDs的迭代近端卸载算法（IPOA）和针对OSPs的迭代斯塔克尔伯格定价算法（ISPA），结果表明IPOA显著降低了MD的不满意度，而ISPA在价格无序度低于150%的条件下提升了OSPs的收入。

ABSTRACT

As a momentous enabling of the Internet of things (IoT), mobile edge computing (MEC) provides IoT mobile devices (MD) with powerful external computing and storage resources. However, a mechanism addressing distributed task offloading and price competition for the open exchange marketplace has not been established properly, which has become a huge obstacle to MEC's application in the IoT market. In this paper, we formulate a distributed mechanism to analyze the interaction between OSPs and IoT MDs in the MEC enabled edge-cloud system by appling multi-leader multi-follower two-tier Stackelberg game theory. We first prove the existence of the Stackelberg equilibrium, and then we propose two distributed algorithms, namely iterative proximal offloading algorithm (IPOA) and iterative Stackelberg game pricing algorithm (ISPA). The IPOA solves the follower non-cooperative game among IoT MDs and ISPA uses backward induction to deal with the price competition among OSPs. Experimental results show that IPOA can markedly reduce the disutility of IoT MDs compared with other traditional task offloading schemes and the price of anarchy is always less than 150\%. Besides, results also demonstrate that ISPA is reliable in boosting the revenue of OSPs.

研究动机与目标

• 解决在无中心权威机构的情况下，MEC启用的物联网系统中缺乏分布式、竞争性任务卸载与定价机制的问题。
• 在去中心化市场环境中，对多个自私的OSPs（领导者）与物联网MDs（追随者）之间的交互进行建模。
• 为MDs制定一个联合反映延迟、能耗与支付成本的不满意度函数，以量化用户体验质量（QoE）。
• 设计一种分布式算法（IPOA），使MDs在固定OSPs价格下能够找到纳什均衡卸载策略。
• 开发一种基于后向归纳法的动态定价算法（ISPA），使OSPs能够基于非合作竞争关系，迭代调整价格。

提出的方法

• 构建一个多领导者多追随者两级斯塔克尔伯格博弈模型，以刻画在竞争性边缘-云环境中OSPs与MDs之间的交互。
• 定义MDs的不满意度函数，整合排队延迟、传输能耗与货币成本，以量化QoE。
• 提出迭代近端卸载算法（IPOA），利用邻近点法求解MDs之间在跟随者层级的非合作博弈。
• 引入迭代斯塔克尔伯格定价算法（ISPA），通过后向归纳法求解OSPs之间在领导者层级的非合作博弈。
• 在ISPA中采用效用导数的近似值，实现在无需完全掌握MD效用函数的前提下，实现动态且保护隐私的价格更新。
• 应用后向归纳法，迭代计算均衡价格，确保收敛至斯塔克尔伯格均衡。

实验结果

研究问题

• RQ1 在MEC启用的边缘-云系统中，任务卸载与定价的多领导者多追随者博弈模型是否存在斯塔克尔伯格均衡？
• RQ2 在固定OSPs价格下，分布式算法（IPOA）能否有效计算出物联网MDs的纳什均衡卸载策略？
• RQ3 OSPs如何在非合作、保护隐私的前提下，动态调整其价格以最大化自身效用？
• RQ4 与传统卸载方案相比，所提出的机制在系统效率与公平性方面改善程度如何？
• RQ5 该机制在降低MD不满意度与提升OSPs收入方面的性能表现如何？

主要发现

• 所提机制的无序度（price of anarchy）低于150%，表明由于自私行为导致的系统性能损失保持在可接受范围内。
• 与传统卸载方案相比，IPOA显著降低了物联网MDs的不满意度，体现了用户体验质量（QoE）的提升。
• ISPA成功提升了OSPs的收入，在50次迭代后，平均效用相比盲定价提高了7.5%。
• 随着迭代次数增加，OSPs的价格迅速上升，且由于性能优势，边缘计算提供商的价格高于云提供商。
• ISPA每次迭代中，所有OSPs的效用均提升，且边缘计算OSPs的效用始终高于云计算OSPs。
• MDs的平均不满意度随更高传输功率（εᵢᵗˣ）而上升，但IPOA在不同任务到达率与功率水平下仍能维持较低的不满意度。