[논문 리뷰] Minimizing Age of Information with Power Constraints: Multi-user Opportunistic Scheduling in Multi-State Time-Varying Channels

Haoyue Tang, Jintao Wang외 2명|arXiv (Cornell University)|2019. 12. 11.

Age of Information Optimization참고 문헌 45인용 수 8

한 줄 요약

이 논문은 전력 제약이 있는 다중 상태 시간 변화하는 무선 채널에서 연령 정보(AoI)를 최소화하기 위해 渐近적으로 최적의 다중 사용자 기회적 스케줄링 정책을 제안한다. 경계 대역폭 제약을 완화하고 선형 프로그래밍을 통해 분리된 제약 조건이 있는 마르코프 결정 과정(CMDP)을 해결함으로써, 임계값 기반 최적 정책을 도출하고, 대역폭 제약을 만족하면서도 이론적 최적값에 대해 O(1/√N) 이내의 AoI 성능을 달성하는 잘라낸 정책을 구성한다. 네트워크 크기 N이 증가함에 따라 성능이 향상된다.

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.

연구 동기 및 목표

• 전력 제약이 있는 센서와 시간 변화하는 무선 채널을 갖는 산업용 IoT 네트워크에서 평균 연령 정보(AoI)를 최소화하기.
• 스토케스틱 채널 조건 하에서 다중 사용자 스케줄링에서 전력과 대역폭을 동시에 고려한 제약 조건을 해결하기.
• 경계 대역폭 제약을 만족하면서도 이론적 최소 AoI에 수렴하는 실용적인 스케줄링 정책을 설계하기.
• 이론적 최적 솔루션과 비교하여 완화된 제약 조건 하에서의 성능 격차를 분석하기.
• 센서 수가 증가함에 따라 제안된 정책의 이론적 渐近 최적성 확립하기.

제안 방법

• 경계 대역폭 제약을 완화함으로써 다중 센서 스케줄링 문제를 단일 센서 제약 조건이 있는 마르코프 결정 과정(CMDP)으로 분해한다.
• 각 분리된 CMDP를 선형 프로그래밍을 사용하여 해결하여 최적의 임계값 기반 정책을 도출한다.
• 최적 정책의 임계값 구조를 활용하여 각 센서에 대한 해를 효율적으로 도출한다.
• 완화된 정책의 결정에 기반해 성능이 가장 좋은 M개의 센서를 선택하여 경계 대역폭 제약을 만족하는 잘라낸 스케줄링 정책을 구성한다.
• 대역폭 제약으로 인한 성능 손실을 상한선으로 제어하기 위해 페널티 기반 비용 함수를 사용한다.
• 집중 경계와 기대 이탈 분석을 활용하여, 최적의 완화된 정책과의 성능 격차가 O(1/√N)로 스케일링됨을 증명한다.

실험 결과

연구 질문

• RQ1 다중 사용자, 전력 제약, 시간 변화하는 무선 채널 환경에서 도달 가능한 최소 평균 연령 정보(AoI)는 얼마인가?
• RQ2 대역폭과 평균 전력 소비에 대한 경계 제약 조건을 만족하면서 AoI를 최소화할 수 있는 스케줄링 정책은 어떻게 설계할 수 있는가?
• RQ3 이러한 제약 조건 하에서 이론적 최소 AoI에 渐近적으로 수렴하는 실용적인 스케줄링 정책을 구성할 수 있는가?
• RQ4 완화된 제약 조건 하에서 제안된 정책과 최적 솔루션 사이의 성능 격차는 얼마인가?
• RQ5 네트워크 내 센서 수에 따라 성능 격차는 어떻게 스케일링되는가?

주요 결과

• 제안된 잘라낸 스케줄링 정책은 완화된 대역폭 제약 조건 하에서 도달한 최적 솔루션에 대해 O(1/√N) 이내의 평균 AoI 성능을 달성한다.
• 제안된 정책과 최적의 완화된 정책 사이의 성능 격차는 O(1/√N)로 스케일링되며, 이는 센서 수 N이 증가함에 따라 渐近적으로 최적임을 시사한다.
• 각 분리된 센서에 대한 최적 정책은 임계값 구조를 가지며, 선형 프로그래밍을 통해 효율적으로 해를 도출할 수 있다.
• 최소 평균 AoI는 J(π_R*) ≥ ½(1/θ + 1)로 아래에서 유계이며, 여기서 θ = M/N는 가용 대역폭의 비율이다.
• 제안된 정책의 AoI 성능은 네트워크 크기 N이 증가함에 따라 이론적 최소값에 수렴하며, 상대 격차는 O(1/√N)로 감소한다.
• 분석 결과, 양호한 채널 상태를 활용하고 전력 제약이 있는 센서의 즉각적인 업데이트를 보장하는 것이 낮은 AoI를 달성하는 데 핵심적임을 확인한다.