[論文レビュー] Optimal Relay Selection with Channel Probing in Wireless Sensor Networks

Kolar Purushothama Naveen, Anurag Kumar|arXiv (Cornell University)|Jul 28, 2011

Energy Efficient Wireless Sensor Networks参考文献 21被引用数 3

ひとこと要約

本稿では、ノードがランダムにスリープ／ウェイクアップし、報酬の分布しか明らかにしないため、正確な報酬を学ぶためにプローブが必要な無線センサネットワークにおける、マルコフ決定過程に基づくリレーセレクション方式を提案する。最適方策は、制限付き方策クラスにおいて、閾値に基づく停止ルールであることが示され、制限なしの場合と比較して性能が近く、報酬制約のもとで転送遅延を最小化する。

ABSTRACT

Motivated by the problem of distributed geographical packet forwarding in a wireless sensor network with sleep-wake cycling nodes, we propose a local forwarding model comprising a node that wishes to forward a packet towards a destination, and a set of next-hop relay nodes, each of which is associated with a reward that summarises the cost/benefit of forwarding the packet through that relay. The relays wake up at random times, at which instants they reveal only the probability distributions of their rewards (e.g., by revealing their locations). To determine a relay's exact reward, the forwarding node has to further probe the relay, incurring a probing cost. Thus, at each relay wake-up instant, the source, given a set of relay reward distributions, has to decide whether to stop (and forward the packet to an already probed relay), continue waiting for further relays to wake-up, or probe an unprobed relay. We formulate the problem as a Markov decision process, with the objective being to minimize the packet forwarding delay subject to a constraint on the effective reward (the difference between the total probing cost and the actual reward of the chosen relay). Our problem can be considered as a variant of the asset selling problem with partial revelation of offers. The most general class of decision policies can keep awake any or all the relays that have woken up. In this paper, we study the optimum over a restricted class of policies which, at any time, can keep only one unprobed relay awake, in addition to the best among the probed relays. We prove that the optimum stopping policy over this class is of threshold type, where the same threshold is used at each relay wake-up instant. Numerically, we find that the performance of the optimum over the restricted class is very close to that over the unrestricted class.

研究の動機と目的

• スリープ／ウェイクアップを繰り返すノードを有する無線センサネットワークにおける、分散型地理的パケット転送の課題に対処する。
• 報酬制約を尊重しつつ、転送遅延を最小化するように、リレーセレクションをマルコフ決定過程として定式化する。
• プローブコストとリレーサイズのトレードオフをモデル化し、初期段階では確率的報酬分布しか明らかにされない状況を扱う。
• プローブされていないリレーや、最良のプローブ済みリレーよりも1つだけが常にアクティブな、制限付き方策クラスを研究する。
• この制限付き方策クラス内での最適停止方策を特定し、制限なしの場合と比較してその性能を評価する。

提案手法

• 状態をプローブ済みリレーリストと未プローブリレーリストの報酬分布で定義するマルコフ決定過程（MDP）としてリレーセレクション問題をモデル化する。
• 報酬を実際のリレーサイズと累積プローブコストの差として定義し、有効報酬に制約を課す。
• 各ウェイクアップ時点で期待報酬が固定閾値を超えるかどうかで、プローブを継続するか停止するかを決定する、閾値ベースの停止方策を用いる。
• 方策クラスを制限し、同時にアクティブな未プローブリレーや1つだけを許容することで、意思決定空間を単純化する。
• 動的プログラミングと価値反復の議論を用いて、この制限付きクラス内では最適方策が閾値型であることを証明する。
• 数値的に性能を評価し、制限なし方策クラスの理論的最適値と比較して、閾値方策の遅延および報酬性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 ウェイクアップ時にリレーサイズの部分的情報しか得られない状況において、リレーセレクションの最適停止方策は何か？
• RQ2 1つの未プローブリレーや1つだけがアクティブな制限付き方策クラスの性能は、制限なし方策クラスと比べてどの程度か？
• RQ3 報酬制約のもとで、転送遅延を最小化するために、閾値ベース方策が近似的に最適な性能を達成できるか？
• RQ4 プローブコストが、リレーセレクションにおける遅延と有効報酬のトレードオフに与える影響は何か？
• RQ5 報酬分布の構造が、停止ルールの最適性および閾値値に与える影響は何か？

主な発見

• 制限付き方策クラス内での最適停止方策は、すべてのリレーウェイクアップ時点で同じ閾値が適用される閾値型であることが判明した。
• 制限付き方策クラスにおける最適方策の性能は、数値的に制限なし方策クラスの最適方策と非常に近いことが確認された。
• 閾値方策は、プローブコストと報酬増加のバランスを効果的にとらえ、有効報酬制約のもとで期待転送遅延を最小化する。
• モデルは、動的で部分観測可能な環境における、探索（新しいリレーサイズのプローブ）と活用（最良のプローブ済みリレーサイズの選択）のトレードオフを捉えている。
• 固定閾値を用いることで実装が簡素化されつつ、近似的に最適な性能を維持でき、リソース制約のあるセンサネットワークに適している。
• 本問題は、部分的提示を伴うアセット売却問題の変種として定式化されており、既存の理論を無線ネットワークの文脈に拡張した。