[论文解读] Joint Computation and Communication Cooperation for Energy-Efficient Mobile Edge Computing

Xiaowen Cao, Feng Wang+3 more|arXiv (Cornell University)|May 15, 2018

IoT and Edge/Fog Computing参考文献 28被引用 5

一句话总结

该论文提出了一种在移动边缘计算（MEC）中联合计算与通信协作的框架，旨在满足时延约束下最小化能量消耗。通过使用户将任务卸载至辅助节点进行部分计算，并利用辅助节点作为中继将任务卸载至接入点，该方案优化了时间、功率和CPU频率的分配，相较于非协作基准方案显著提升了能量效率。

ABSTRACT

This paper proposes a novel user cooperation approach in both computation and communication for mobile edge computing (MEC) systems to improve the energy efficiency for latency-constrained computation. We consider a basic three-node MEC system consisting of a user node, a helper node, and an access point (AP) node attached with an MEC server, in which the user has latency-constrained and computation-intensive tasks to be executed. We consider two different computation offloading models, namely the partial and binary offloading, respectively. Under this setup, we focus on a particular finite time block and develop an efficient four-slot transmission protocol to enable the joint computation and communication cooperation. Besides the local task computing over the whole block, the user can offload some computation tasks to the helper in the first slot, and the helper cooperatively computes these tasks in the remaining time; while in the second and third slots, the helper works as a cooperative relay to help the user offload some other tasks to the AP for remote execution in the fourth slot. For both cases with partial and binary offloading, we jointly optimize the computation and communication resources allocation at both the user and the helper (i.e., the time and transmit power allocations for offloading, and the CPU frequencies for computing), so as to minimize their total energy consumption while satisfying the user's computation latency constraint. Although the two problems are non-convex in general, we propose efficient algorithms to solve them optimally. Numerical results show that the proposed joint computation and communication cooperation approach significantly improves the computation capacity and energy efficiency at the user and helper nodes, as compared to other benchmark schemes without such a joint design.

研究动机与目标

• 为解决在设备资源有限的时延约束型移动边缘计算系统中的能量效率挑战。
• 设计一种协作框架，使辅助节点既能协助本地计算，又能作为中继将任务卸载至MEC服务器。
• 联合优化用户与辅助节点在时间、发射功率和CPU频率分配上的资源配置，以最小化总能量消耗。
• 评估在所提出的协作协议下部分卸载与二值卸载模型的性能。
• 证明联合计算-通信协作方案相较于传统非协作方案的优越性。

提出的方法

• 引入一种四时隙传输协议，实现顺序协作：用户在第1时隙将任务卸载至辅助节点，辅助节点在第2–3时隙进行计算，第4时隙作为中继将任务卸载至接入点（AP）。
• 构建用户与辅助节点在时间、发射功率和CPU频率分配上的联合优化框架。
• 建立两种卸载策略模型：部分卸载（任务在用户、辅助节点和AP之间拆分执行）与二值卸载（任务在单一节点上完整执行）。
• 采用凸优化技术与KKT条件，对非凸资源分配问题进行最优求解。
• 在时延与硬件限制约束下，推导出最优功率与时间分配的闭式表达式。
• 应用对偶性与互补松弛性，证明对偶问题的有界性，并推导出最优解。

实验结果

研究问题

• RQ1 联合计算与通信协作如何提升时延约束下MEC系统的能量效率？
• RQ2 在包含辅助节点的三节点MEC系统中，时间、功率与CPU频率的最优分配策略是什么？
• RQ3 所提出的协作协议相较于非协作方案在能耗与计算能力方面表现如何？
• RQ4 在联合协作下，部分卸载与二值卸载的性能增益有何差异？
• RQ5 能否通过使用对偶性与KKT条件，对联合资源分配的非凸优化问题进行最优求解？

主要发现

• 所提出的联合计算与通信协作方案相较于非协作基准方案，显著提升了能量效率与计算能力。
• 该方案通过四时隙协议实现了最优资源配置，支持顺序任务卸载与协作中继。
• 数值结果表明，在部分卸载与二值卸载模型下，总能量消耗均显著降低。
• 利用KKT条件与对偶理论，推导出时间与功率分配的闭式最优解。
• 仅当满足特定拉格朗日乘子约束时，对偶函数才保持有界，从而确保问题的可解性。
• 该方法通过在用户、辅助节点与AP之间实现高效的任务划分与中继协作，优于传统方案。