Core Concepts
エッジコンピューティングサービスプロバイダーの収益を最大化するための、クライアントの好みを考慮せずに最適な価格設定と訪問順序を決定するDRL手法Egretを提案する。
Abstract
本論文では、エッジコンピューティングサービスプロバイダー(ECSP)が計算リソースを提供し、クライアントがそれらのリソースを利用してタスクを処理するシステムを扱っている。
クライアントは自身のタスクの一部または全部をECSPにオフロードすることができ、その際にECSPに対して料金を支払う。
ECSPの目的は、クライアントの好みを考慮せずに収益を最大化することである。
従来の手法には以下の課題があった:
クライアントの好みを事前に知る必要がある
クライアントが静的であり、動的に変化するシナリオに対応できない
本論文では、これらの課題に対処するため、以下の手法を提案している:
順次的な計算オフロードメカニズム(SCOM): ECSPがクライアントを順番に訪問し、リソースの価格を提示する。クライアントは独自に判断してリソースを購入する。
Egret: 強化学習ベースのアプローチで、オンラインでECSPの最適な価格設定と訪問順序を決定する。
実験結果から、Egretは従来手法に比べて23.43%高い収益を得られることが示された。
Stats
クライアントのタスクデータサイズは平均3Mbで標準偏差0.1Mbである。
クライアントのローカル計算能力は1.00-2.00Mb/sの範囲にある。
クライアントのネットワーク帯域幅は0.30-0.50Mb/sの範囲にある。
ECSPが提供するリソースの計算能力は5-50Mb/sの10種類がある。
Quotes
"クライアントは自身の好みを開示したがらず、自身のニーズに合ったリソース構成を選択する傾向にある。"
"クライアントの数は変動し、タスクが動的に到着するため、オフロードの決定と価格設定は即座に行う必要がある。"
"グループ戦略的整合性を確保するのは困難である。つまり、複数のクライアントが協力して、サーバーに不利な方向に機構を操作する可能性がある。"