[论文解读] Joint Task Assignment and Wireless Resource Allocation for Cooperative Mobile-Edge Computing

Hong Xing, Liang Liu+2 more|arXiv (Cornell University)|Feb 7, 2018

IoT and Edge/Fog Computing参考文献 7被引用 3

一句话总结

本文提出了一种基于TDMA的协作移动边缘计算联合任务分配与无线资源分配方案，通过联合优化时间与功率分配及任务卸载，以在个体能量约束下最小化计算时延。该方法将混合整数非线性问题松弛为凸形式，从而实现低复杂度的次优解，显著降低了与基准方案相比的时延。

ABSTRACT

This paper studies a multi-user cooperative mobile-edge computing (MEC) system, in which a local mobile user can offload intensive computation tasks to multiple nearby edge devices serving as helpers for remote execution. We focus on the scenario where the local user has a number of independent tasks that can be executed in parallel but cannot be further partitioned. We consider a time division multiple access (TDMA) communication protocol, in which the local user can offload computation tasks to the helpers and download results from them over pre-scheduled time slots. Under this setup, we minimize the local user's computation latency by optimizing the task assignment jointly with the time and power allocations, subject to individual energy constraints at the local user and the helpers. However, the joint task assignment and wireless resource allocation problem is a mixed-integer non-linear program (MINLP) that is hard to solve optimally. To tackle this challenge, we first relax it into a convex problem, and then propose an efficient suboptimal solution based on the optimal solution to the relaxed convex problem. Finally, numerical results show that our proposed joint design significantly reduces the local user's computation latency, as compared against other benchmark schemes that design the task assignment separately from the offloading/downloading resource allocations and local execution.

研究动机与目标

• 解决多用户协作移动边缘计算系统中，在用户与辅助节点能量受限条件下的计算时延最小化挑战。
• 在TDMA协议与个体能量约束下，制定任务分配、时间与功率分配的联合优化问题。
• 通过将混合整数非线性规划（MINLP）问题松弛为凸问题，克服其计算困难。
• 基于松弛解设计一种低复杂度的次优算法，以支持实际部署。
• 展示与分别优化任务分配与资源分配的方案相比，联合优化带来的性能增益。

提出的方法

• 将时延最小化问题建模为混合整数非线性规划（MINLP），并施加本地用户与所有辅助节点的个体能量预算约束。
• 将整数任务分配变量松弛为连续变量，将MINLP转化为凸优化问题。
• 使用标准凸优化技术求解松弛后的凸问题，获得全局最优解。
• 通过将松弛问题的连续解进行四舍五入，构造原始问题的次优任务分配方案。
• 将时间与功率分配与任务分配联合优化，以在基于TDMA的通信调度下最小化总时延。
• 采用基于启发式的次优设计进行性能比较，包括信道感知与计算能力感知的分配规则。

实验结果

研究问题

• RQ1 在能量受限的用户与辅助节点条件下，如何联合优化任务分配与无线资源分配，以最小化协作MEC系统中的计算时延？
• RQ2 与将任务分配与资源分配视为独立设计问题的方案相比，联合优化的性能增益如何？
• RQ3 所提出的基于凸松弛的次优算法在时延与复杂度方面，相较于穷举搜索与启发式方法表现如何？
• RQ4 能量约束与辅助节点CPU频率对协作MEC系统时延的影响是什么？
• RQ5 在何种条件下，通信感知的任务分配优于计算能力感知的分配？

主要发现

• 所提出的联合设计相比基准方案（分别优化任务分配与资源分配）显著降低了计算时延。
• 在高能量约束下，所提出的次优解在时延性能上与接近最优的随机搜索解仅存在可忽略的差距。
• 启发式-2（计算能力感知分配）仅在能量约束超过-8.5 dB时优于随机选择，因为在低能量水平下，计算与通信之间的能量失衡变得至关重要。
• 随着辅助节点CPU频率的提升，系统时延最终趋于饱和，这是由于能量约束限制了通信时间，使通信成为新的瓶颈。
• 启发式-1（将任务分配给最佳辅助节点的信道感知分配）仅在辅助节点CPU频率超过2 GHz时优于本地执行，且在该频率以上因能量约束变得不可行。
• 随着任务数量的增加，所提方案保持优越性能，尤其在大规模工作负载下，展现出良好的可扩展性与鲁棒性。