[論文レビュー] Optimizing the Age-of-Information for Mobile Users in Adversarial and Stochastic Environments

Abhishek Sinha, Rajarshi Bhattacharjee|arXiv (Cornell University)|Jan 1, 2020

Age of Information Optimization参考文献 51被引用数 1

ひとこと要約

本稿は、敵対的および確率的移動モデルの下で、マルチセルネットワークにおける移動ユーザのための年齢情報（AoI）を最適化するスケジューリング方針を提案する。敵対的環境において、オフライン最適方針と競合する性能を達成するグリーディ方針を導入し、平均AoIに関して2-近似要因を有するMax-Weight方針を確立するとともに、静的状況におけるピークAoIのための大偏差最適性を証明する。

ABSTRACT

We study a multi-user downlink scheduling problem for optimizing the freshness of information available to users roaming across multiple cells. We consider both adversarial and stochastic settings and design scheduling policies that optimize two distinct information freshness metrics, namely the average age-of-information and the peak age-of-information. We show that a natural greedy scheduling policy is competitive with the optimal offline policy in the adversarial setting. We also derive fundamental lower bounds to the competitive ratio achievable by any online policy. In the stochastic environment, we show that a Max-Weight scheduling policy that takes into account the channel statistics achieves an approximation factor of $2$ for minimizing the average age of information in two extreme mobility scenarios. We conclude the paper by establishing a large-deviation optimality result achieved by the greedy policy for minimizing the peak age of information for static users situated at a single cell.

研究の動機と目的

• 動的ユーザ移動性を伴うマルチセルダウンリンクネットワークにおける、移動ユーザのための新鮮な情報を維持する課題に対処すること。
• 平均AoIおよびピークAoIの2つの主要な年齢指標を最小化するオンラインスケジューリング方針を設計すること。
• 敵対的および確率的移動モデルの両方において、理論的性能境界（競合比および近似要因）を確立すること。
• 静的および高移動ユーザの両方において、グリーディおよびMax-Weight方針がAoIを最小化する上で最適性を示すかを評価すること。

提案手法

• 現在の年齢に基づいてユーザを優先順位づけるグリーディスケジューリング方針を提案し、敵対的環境下でオフライン最適方針と競合することを示す。
• 敵対的設定における任意のオンライン方針が達成可能な競合比の根本的下界を導出する。
• チャネル統計を組み込んだMax-Weightスケジューリング方針を導入し、平均AoIを最小化する。2つの極端な移動状況において2-近似要因を達成する。
• 単一セル環境下での静的ユーザに対するグリーディ方針のピークAoI性能を分析し、大偏差最適性を証明する。

実験結果

リサーチクエスチョン

• RQ1 敵対的ユーザ移動性の下で、グリーディスケジューリング方針は平均AoIおよびピークAoIを最小化する観点で、最適なオフライン方針と比べてどのように比較されるか？
• RQ2 敵対的環境下で、任意のオンラインスケジューリング方針が達成可能な最良の競合比は何か？
• RQ3 チャネル統計を考慮するMax-Weight方針は、高移動状況下で平均AoIを最小化するにあたり、有界な近似要因を達成できるか？
• RQ4 単一セルネットワークにおける静的ユーザのピークAoIを最小化する観点で、グリーディ方針の性能はいかほどか？

主な発見

• グリーディスケジューリング方針は、敵対的設定において最適なオフライン方針と競合比を達成し、最悪の移動パターンに対しても強いロバスト性を示す。
• 本稿は、敵対的環境下でのオンライン方針の限界を示す、競合比に関する根本的下界を確立する。
• 確率的設定下では、チャネルに配慮したMax-Weight方針が、2つの極端な移動モデルにおいて平均AoIを最小化するにあたり2-近似要因を達成する。
• 単一セルにおける静的ユーザのケースでは、グリーディ方針がピークAoIを最小化するにあたり大偏差最適性を達成し、近似的に最良の尾部性能を示す。