[論文レビュー] Minimizing Age of Information with Power Constraints: Multi-user Opportunistic Scheduling in Multi-State Time-Varying Channels

Haoyue Tang, Jintao Wang+2 more|arXiv (Cornell University)|Dec 11, 2019

Age of Information Optimization参考文献 45被引用数 8

ひとこと要約

本稿では、電力制約があり、時間変動するマルチステートの無線チャネルにおける年齢情報（AoI）を最小化する、漸近的に最適なマルチユーザーのオポチュニスティックスケジューリング方策を提案する。ハードウェア帯域幅制約を緩和し、線形計画法を用いて分離された制約付きマルコフ決定過程（CMDP）を解くことで、しきい値に基づく最適方策を導出する。その後、帯域幅制限を満たすようにした切り捨て方策を構築し、ネットワークサイズNが増加するにつれて理論的最適値のO(1/√N)以内のAoI性能を達成する。

ABSTRACT

This work is motivated by the need of collecting fresh data from power-constrained sensors in the industrial Internet of Things (IIoT) network. A recently proposed metric, the Age of Information (AoI) is adopted to measure data freshness from the perspective of the central controller in the IIoT network. We wonder what is the minimum average AoI the network can achieve and how to design scheduling algorithms to approach it. To answer these questions when the channel states of the network are Markov time-varying and scheduling decisions are restricted to bandwidth constraint, we first decouple the multi-sensor scheduling problem into a single-sensor constrained Markov decision process (CMDP) through relaxation of the hard bandwidth constraint. Next we exploit the threshold structure of the optimal policy for the decoupled single sensor CMDP and obtain the optimum solution through linear programming (LP). Finally, an asymptotically optimal truncated policy that can satisfy the hard bandwidth constraint is built upon the optimal solution to each of the decoupled single-sensor. Our investigation shows that to obtain a small AoI performance: (1) The scheduler exploits good channels to schedule sensors supported by limited power; (2) Sensors equipped with enough transmission power are updated in a timely manner such that the bandwidth constraint can be satisfied.

研究の動機と目的

• 電力制約のあるセンサと時間変動する無線チャネルを持つ産業用IoTネットワークにおける平均年齢情報（AoI）を最小化すること。
• 確率的チャネル状態下での、パワーと帯域幅の両方の制約を同時に満たすマルチユーザーのスケジューリングにおける課題に対処すること。
• ハードウェア帯域幅制約を満たしつつ、理論的最小AoIに近づく実用的なスケジューリング方策を設計すること。
• 緩和された制約下での最適解と、提案方策との間の性能ギャップを分析すること。
• センサ数が増加する際の、提案方策の理論的漸近的最適性を確立すること。

提案手法

• ハードウェア帯域幅制約を緩和することで、マルチセンサスケジューリング問題を個々のセンサの制約付きマルコフ決定過程（CMDP）に分解する。
• 各分離されたCMDPを線形計画法で解き、最適なしきい値に基づく方策を取得する。
• 最適方策のしきい値構造を活用して、各センサのための取り扱いやすい解を得る。
• 緩和された方策の意思決定に基づき、M番目に高い性能を持つセンサを選び、ハードウェア帯域幅制約を満たすように切り捨てスケジューリング方策を構築する。
• 切り捨て方策における帯域幅制約による性能損失を上界で制御するために、ペナルティベースのコスト関数を用いる。
• 集中不等式と期待値のずれ解析を用いて、最適な緩和された方策からの性能ギャップがO(1/√N)のスケールで増加することを証明する。

実験結果

リサーチクエスチョン

• RQ1 マルチユーザー、電力制約、時間変動する無線チャネルを持つネットワークにおける、最小達成可能な平均年齢情報（AoI）は何か？
• RQ2 帯域幅と平均パワー消費量のハード制約を満たしつつ、AoIを最小化するスケジューリング方策はどのように設計できるか？
• RQ3 これらの制約下で、理論的最小AoIに漸近的に近づく実用的なスケジューリング方策を構築できるか？
• RQ4 緩和された制約下での最適解と、提案方策との間の性能ギャップは何か？
• RQ5 ネットワーク内のセンサ数に応じて、性能ギャップはどのようにスケーリングするか？

主な発見

• 提案された切り捨てスケジューリング方策は、緩和された帯域幅制約下での最適解のO(1/√N)以内の平均AoI性能を達成する。
• 提案方策と最適な緩和された方策との間の性能ギャップはO(1/√N)のスケールで増加し、センサ数Nが増加するにつれて漸近的に最適であることが示される。
• 各分離されたセンサの最適方策はしきい値構造を示し、線形計画法による効率的な解法が可能である。
• 最小平均AoIは、J(π_R*) ≥ ½(1/θ + 1)で下限づけられ、ここでθ = M/Nは利用可能な帯域幅の割合である。
• Nが増加するにつれて、提案方策のAoI性能は理論的最小値に近づき、相対的なギャップはO(1/√N)のスケールで縮小する。
• 解析により、良好なチャネル状態を活用し、電力制約のあるセンサに対してタイムリーな更新を実現することが、低AoIを達成する鍵であることが確認された。