面向复杂 DAG 拓扑的多接入点边缘计算能耗与延迟联合优化：基于 ECO-EDGE 框架

《Scientific Reports》：ECO-EDGE: joint DAG offloading and fabric routing in Multi-AP MEC via conic optimization

　　

摘要

移动边缘计算（Mobile Edge Computing，MEC）通过将计算资源迁移到更接近终端用户的位置来提供低延迟服务。然而，随着移动工作负载越来越多地采用复杂的有向无环图（Directed Acyclic Graph，DAG）拓扑结构，系统性能受到跨服务器网络的相互依赖的数据传输和上行传输过程中的同步约束的显著影响。现有模型常常忽略物理网络容量限制，并将通信与计算分离，导致能源使用效率低下和延迟增加。在本文中，我们提出了一种耦合的混合整数非线性规划（Mixed-Integer Non-Linear Programming，MINLP）方法，该方法在满足每个应用程序的截止时间约束的前提下，联合优化多接入点（multi-AP）关联、任务分配、动态电压频率调整（Dynamic Voltage and Frequency Scaling，DVFS）以及明确的服务器间路由。为了解决该联合问题固有的非凸性和组合复杂性，我们引入了ECO-EDGE框架。ECO-EDGE使用块坐标下降（Block Coordinate Descent，BCD）架构对原始MINLP问题进行分解，并通过定制的凸化技术解决松弛的子问题，包括基于McCormick方法的凸包用于双线性任务分配、将通信约束映射到指数锥体的“Bits-per-RB”公式，以及用于计算和网络延迟建模的功率和旋转二阶锥表示。在精确块解的情况下，改进后的BCD方案显示出目标函数的单调递减；同时，通过确定性舍入和拓扑列表调度来恢复可行的调度方案，并进一步验证这些方案是否满足截止时间要求。在密集的多接入点部署场景下的仿真结果表明，与仅依赖本地资源的基线方案相比，ECO-EDGE将系统总能耗降低了高达81.8%，并实现了97.9%的实际截止时间满足率，优于启发式方法、忽略网络结构的优化方案以及分离优化的基线方案。