[论文解读] Game Theory based Joint Task Offloading and Resources Allocation Algorithm for Mobile Edge Computing

Jianen Yan, Ning Li+4 more|arXiv (Cornell University)|Dec 16, 2019

IoT and Edge/Fog Computing参考文献 33被引用 5

一句话总结

本文提出了一种博弈论框架，联合优化移动边缘计算（MEC）系统中的任务卸载、CPU分配、传输功率控制和干扰管理。通过将用户决策建模为具有最佳响应动态的潜在博弈，该算法实现了纳什均衡与帕累托效率，显著降低了存在小区间干扰的多用户场景下的时延和能耗。

ABSTRACT

Mobile edge computing (MEC) has emerged for reducing energy consumption and latency by allowing mobile users to offload computationally intensive tasks to the MEC server. Due to the spectrum reuse in small cell network, the inter-cell interference has a great effect on MEC performances. In this paper, for reducing the energy consumption and latency of MEC, we propose a game theory based approach to join task offloading decision and resources allocation together in the MEC system. In this algorithm, the offloading decision, the CPU capacity adjustment, the transmission power control, and the network interference management of mobile users are regarded as a game. In this game, based on the best response strategy, each mobile user makes their own utility maximum rather than the utility of the whole system. We prove that this game is an exact potential game and the Nash equilibrium (NE) of this game exists. For reaching the NE, the best response approach is applied. We calculate the best response of these three variables. Moreover, we investigate the properties of this algorithm, including the convergence, the computational complexity, and the Price of anarchy (PoA). The theoretical analysis shows that the inter-cell interference affects on the performances of MEC greatly. The NE of this game is Pareto efficiency. Finally, we evaluate the performances of this algorithm by simulation. The simulation results illustrate that this algorithm is effective in improving the performances of the multi-user MEC system.

研究动机与目标

• 为解决小细胞基 MEC 网络中因小区间干扰导致性能下降的挑战。
• 以分布式方式联合优化任务卸载、CPU 容量、传输功率与干扰管理。
• 通过具有可证明均衡性质的博弈论建模，确保系统效率与收敛性。
• 评估多用户 MEC 环境下性能、复杂度与公平性之间的权衡。

提出的方法

• 将移动用户的联合决策建模为一个非合作博弈，涉及卸载、CPU 分配、传输功率与干扰控制。
• 基于能量效率与时延降低，为每个用户定义效用函数。
• 证明该博弈为精确潜在博弈，确保纳什均衡（NE）的存在性。
• 为每个用户应用最佳响应策略，通过迭代方式逐步提升其效用直至达到 NE。
• 推导出卸载决策、CPU 容量与传输功率的最佳响应的闭式表达式。
• 分析收敛性、计算复杂度与垄断价格（PoA），以评估系统效率。

实验结果

研究问题

• RQ1 在存在小区间干扰的情况下，联合优化任务卸载与资源分配如何提升 MEC 性能？
• RQ2 所提出的博弈论方法是否能在多用户 MEC 系统中收敛至稳定均衡？
• RQ3 小区间干扰对系统性能有何影响，如何有效管理？
• RQ4 与非优化方法相比，该系统在能效、时延与公平性方面的表现如何？
• RQ5 所提出的博弈论解决方案的垄断价格（PoA）是多少，用以衡量自私用户行为导致的系统效率损失？

主要发现

• 所提出的博弈为精确潜在博弈，保证了纳什均衡（NE）的存在性。
• 通过最佳响应动态达成的 NE 具有帕累托效率，确保无用户能在不损害其他用户效用的前提下进一步提升自身效用。
• 仿真结果表明，与基准方案相比，时延与能耗均显著降低。
• 该算法收敛高效，计算复杂度低，适用于实时部署。
• 小区间干扰对 MEC 性能有显著负面影响，而该算法通过联合优化有效缓解了该问题。
• 垄断价格（PoA）有界，表明即使存在自私用户行为，系统性能仍接近最优集中式解决方案。