中文

边缘计算中的去中心化任务卸载:一种多用户多臂老虎机方法

分布式、并行与集群计算 2021-12-30 v3 机器学习

摘要

移动边缘计算使用户能够将计算任务卸载到边缘服务器以满足其严苛的时延要求。先前工作主要探索在给定系统侧信息(如服务器处理速度、蜂窝数据速率)时的任务卸载,或在系统不确定性下的集中式卸载。但二者通常都不足以处理动态且不确定环境中涉及众多共存用户的任务放置。在本文中,我们考虑未知但随机的系统侧信息,开发了一个多用户卸载框架以实现去中心化的用户发起式服务放置。具体而言,我们将动态任务放置建模为在线多用户多臂老虎机过程,并提出基于去中心化周期(DEBO)的卸载策略来优化受网络时延约束的用户收益。我们表明 DEBO 可推导出最优的用户-服务器分配,从而实现接近最优的服务性能和紧致的 O(log T) 卸载遗憾界。此外,我们将 DEBO 推广至多种常见场景,如未知收益间隙、客户端的动态进入或离开,以及公平收益分配,同时进一步探索当用户卸载任务需要异构计算资源时的情况。特别地,我们在上述每种情形下均实现了亚线性遗憾。基于真实测量的评估证实了我们的卸载方案在优化时延敏感收益方面优于最先进方法。

关键词

引用

@article{arxiv.2112.11818,
  title  = {Decentralized Task Offloading in Edge Computing: A Multi-User Multi-Armed Bandit Approach},
  author = {Xiong Wang and Jiancheng Ye and John C. S. Lui},
  journal= {arXiv preprint arXiv:2112.11818},
  year   = {2021}
}

备注

INFOCOM 2022