CL-ADMM：一种基于协作学习的移动边缘计算资源管理优化框架
网络与互联网体系结构
2020-06-09 v3
摘要
我们考虑移动边缘计算（MEC）中智能高效的资源管理框架问题，该框架能够降低时延与能耗，并具有分布式优化与高效的拥塞避免机制。本文从交替方向乘子法（ADMM）的视角提出了一种用于 MEC 资源管理的协作学习框架，称为 CL-ADMM 框架。首先，为了在一个组内高效地缓存任务，提出了一种基于半马尔可夫过程模型的任务热度估计新方案，随后建立了一种贪心任务协作缓存机制，能够有效降低时延与能耗。其次，针对组拥塞问题，提出了一种基于协作改进 Q-learning 的动态任务迁移方案，能够有效降低时延并缓解拥塞。第三，为了最小化组内资源分配的时延与能耗，我们将其建模为一个含大量变量的优化问题，并利用一种基于 ADMM 的新方案求解该问题，该方案通过引入一组新的辅助变量降低了问题复杂度，这些子问题均为凸问题，可使用原对偶方法求解，保证其收敛性。随后我们利用李雅普诺夫理论证明了该收敛性。数值结果证明了 CL-ADMM 的有效性，其能够有效降低 MEC 的时延与能耗。
引用
@article{arxiv.2003.12846,
title = {CL-ADMM: A Cooperative Learning Based Optimization Framework for Resource Management in MEC},
author = {Xiaoxiong Zhong and Xinghan Wang and Li Li and Yuanyuan Yang and Yang Qin and Tingting Yang and Bin Zhang and Weizhe Zhang},
journal= {arXiv preprint arXiv:2003.12846},
year = {2020}
}
备注
17 pages, 11 figures, submitted to journal