[论文解读] Joint Offloading and Computing Optimization in Wireless Powered Mobile-Edge Computing Systems

Feng Wang, Jie Xu+2 more|arXiv (Cornell University)|Feb 2, 2017

Energy Harvesting in Wireless Networks参考文献 24被引用 24

一句话总结

本文提出了一种在无线供电多用户移动边缘计算系统中联合优化能量波束成形、计算卸载和CPU频率分配的框架。通过利用凸优化和KKT条件，该方法在满足各用户延迟约束的前提下，实现了接入点能量消耗的最小化，并推导出适用于延迟受限计算任务的半闭式最优解。

ABSTRACT

Mobile-edge computing (MEC) and wireless power transfer (WPT) have been recognized as promising techniques in the Internet of Things (IoT) era to provide massive low-power wireless devices with enhanced computation capability and sustainable energy supply. In this paper, we propose a unified MEC-WPT design by considering a wireless powered multiuser MEC system, where a multi-antenna access point (AP) (integrated with an MEC server) broadcasts wireless power to charge multiple users and each user node relies on the harvested energy to execute computation tasks. With MEC, these users can execute their respective tasks locally by themselves or offload all or part of them to the AP based on a time division multiple access (TDMA) protocol. Building on the proposed model, we develop an innovative framework to improve the MEC performance, by jointly optimizing the energy transmit beamformer at the AP, the central processing unit (CPU) frequencies and the numbers of offloaded bits at the users, as well as the time allocation among users. Under this framework, we address a practical scenario where latency-limited computation is required. In this case, we develop an optimal resource allocation scheme that minimizes the AP's total energy consumption subject to the users' individual computation latency constraints. Leveraging the state-of-the-art optimization techniques, we derive the optimal solution in a semi-closed form. Numerical results demonstrate the merits of the proposed design over alternative benchmark schemes.

研究动机与目标

• 解决在延迟敏感应用中为大量低功耗物联网设备提供可持续计算与能量供应的挑战。
• 将无线能量传输（WPT）与移动边缘计算（MEC）相结合，实现在网络边缘的自维持计算。
• 同时优化能量波束成形、卸载决策、CPU频率和时间分配，以最小化总能量消耗。
• 在多用户场景下确保各用户计算延迟约束得到满足，同时最大化系统效率。

提出的方法

• 建立联合优化问题，以在用户特定的延迟约束下最小化接入点的总能量消耗。
• 将系统建模为具有能量波束成形的多天线接入点，通过射频信号为多个单天线用户充电。
• 采用时 division multiple access（TDMA）进行上行链路卸载，并允许任务在本地执行与远程计算之间进行部分卸载。
• 应用凸优化技术与Karush-Kuhn-Tucker（KKT）条件，以半闭式形式推导最优解。
• 引入拉格朗日对偶分解方法，以处理包括发射波束成形、卸载比特数、CPU频率和时间分配在内的耦合优化变量。
• 利用海森矩阵的最小特征向量推导对偶问题的子梯度，以支持迭代优化。

实验结果

研究问题

• RQ1 如何联合优化能量波束成形与计算卸载，以在无线供电MEC系统中最小化能量消耗？
• RQ2 在严格延迟约束下，本地计算与卸载之间的最优权衡是什么？
• RQ3 用户特定的计算延迟约束如何影响节能资源分配的设计？
• RQ4 在实际系统约束下，能否为波束成形、卸载和CPU频率的联合优化推导出半闭式解？
• RQ5 用户信道条件与硬件参数对最优资源分配策略有何影响？

主要发现

• 所提出的联合优化方案相比基准方案显著降低了接入点的能量消耗。
• 通过KKT条件与Lambert W函数求逆，以半闭式形式推导出最优解，从而实现高效计算。
• 每个用户的最优数据卸载比例由卸载比特数与时间分配的比值决定，该比值由包含不完全贝塔函数与信道增益的函数的反函数推导得出。
• 最优CPU频率与时间分配由用户的任务大小、延迟约束以及可获取的采集能量共同决定。
• 基于海森矩阵最小特征向量的子梯度方法可确保收敛至最优对偶解。
• 数值结果证实，所提方案在能量效率与延迟合规性方面均优于传统方案。