[論文レビュー] Distributed Scheduling Algorithms for Optimizing Information Freshness in Wireless Networks

Rajat Talak, Sertaç Karaman+1 more|arXiv (Cornell University)|Mar 17, 2018

Age of Information Optimization参考文献 16被引用数 11

ひとこと要約

本稿では、時変チャネルとペairワイズ干渉を伴う無線ネットワークにおける情報の古さ（Age of Information: AoI）を最小化する分散スケジューリングアルゴリズムを提案する。最適な送信確率を凸最適化問題として定式化し、分散型の射影勾配上昇法により解けるようにすることで、各リンクが局所的情報と隣接リンクとの情報交換のみを用いて送信確率を計算可能とし、グローバルに最適なAoI性能を達成する。

ABSTRACT

Age of Information (AoI), measures the time elapsed since the last received information packet was generated at the source. We consider the problem of AoI minimization for single-hop flows in a wireless network, under pairwise interference constraints and time varying channel. We consider simple, yet broad, class of distributed scheduling policies, in which a transmission is attempted over each link with a certain attempt probability. We obtain an interesting relation between the optimal attempt probability and the optimal AoI of the link, and its neighboring links. We then show that the optimal attempt probabilities can be computed by solving a convex optimization problem, which can be done distributively.

研究の動機と目的

• 時変チャネルとペアワイズ干渉制約を伴うシングルホップ無線ネットワークにおける情報の古さ（Age of Information: AoI）を最小化すること。
• 各リンクがグローバルな調整なしに、局所的情報と隣接リンクの情報を用いて送信試行確率を独立に選択する分散スケジューリングポリシーを設計すること。
• 最適な試行確率が、分散的に解ける凸最適化問題として記述可能であることを示すこと。
• 双対変数に対する射影勾配上昇を用いた、解析的に収束が保証される分散アルゴリズムを確立すること。

提案手法

• ネットワークを、ペアワイズ干渉を受けるリンクを頂点とする有向グラフとしてモデル化し、独立同分布の時変チャネル状態を仮定する。
• 情報の古さ（Age of Information: AoI）を、最後の成功した更新からの経過時間として定義し、線形に増加し、受信時にリセットされる。
• 各リンクが固定の試行確率で送信する分散ポリシーを提案し、グローバルな調整を不要とする。
• 双対問題を導出し、双対変数λₑが重み付き平均古さwₑAₑの代理変数として機能することを示し、最適な試行確率はpₑ* = λₑ* / (λₑ* + ∑_{e′:e∈Nₑ′} λₑ′*)で与えられることを示す。
• 双対変数λₑに対して射影勾配上昇を用い、試行確率を反復的に更新する。更新式は局所的情報および直近の隣接リンク情報にのみ依存する。
• フレームベースの分散アルゴリズムを実装し、リンク同士が干渉するリンクのλ値の和θₑを交換し、局所勾配に基づいてλₑおよびpₑを更新する。

実験結果

リサーチクエスチョン

• RQ1 干渉とチャネル変動を伴う無線ネットワークにおいて、リンクが自身の情報の古さ（Age of Information）を最小化するために最適な試行確率は何か？
• RQ2 リンクの最適な試行確率は、隣接リンクの古さおよび干渉関係にどのように依存するか？
• RQ3 最適な分散スケジューリングポリシーは、局所的・分散的実装を可能にする凸最適化問題として計算可能か？
• RQ4 隣接リンクとの情報交換のみを用いて、最適な試行確率に収束する分散アルゴリズムは何か？

主な発見

• リンクの最適な試行確率は、自身の双対変数λₑと、すべての干渉リンクのλ値の和との比によって決定される。
• 最適なポリシーは凸最適化問題の解として導出され、最適AoIへのグローバル収束が保証される。
• 射影勾配上昇アルゴリズムは最適な双対変数λₑ*に収束し、勾配更新が局所的および隣接リンクの変数にのみ依存するため、分散実装が可能である。
• アルゴリズムは隣接リンク間でのθₑおよびλₑ値の定期的交換のみを要し、信号伝送オーバーヘッドを最小限に抑える。
• ネットワーク全体の新鮮さと干渉のバランスを最適化することで、最適な重み付き平均AoIを達成する。
• 本手法はチャネル不確実性に強く、リアルタイムのチャネル状態フィードバックを必要としない。