[论文解读] 3-Competitive Policy for Minimizing Age of Information in Multi-Source M/G/1 Queuing Model

Kumar Saurav|arXiv (Cornell University)|Jan 10, 2022

Age of Information Optimization被引用 5

一句话总结

本文提出了一种针对具有泊松更新和一般传输时间的多源 M/G/1 队列系统的随机化在线调度策略。该策略在最小化个体信息年龄（AoI）阈值和最小化加权和 AoI 两种情况下均实现了 3-竞争力比，优于先前工作，通过考虑更新生成时间间隔的方差，得出了更紧致的理论界。

ABSTRACT

We consider a multi-source network with a common monitor, where fresh updates are generated at each source, following a Poisson process. At any time, at most one source can transmit its update to the monitor, and transmission time for updates of each source follows some general distribution. The goal is to find a causal scheduling policy such that at any time, the latest update available at each source is fresh. In this paper, we quantify freshness using the age of information (AoI) metric, and propose a randomized policy, which we show is 3-competitive with respect to Pareto-optimal policies (that minimize the expected average AoI of each source). We also show that for a particular choice of the randomization parameter, the proposed randomized policy is 3-competitive with respect to an optimal policy that minimizes the weighted sum of the expected average AoI of all sources.

研究动机与目标

• 设计一种简单、因果的在线调度策略，以确保在共享传输容量的多源网络中及时交付新鲜更新。
• 表征在一般更新生成时间间隔和传输时间分布下，可保证更新新鲜度的可行信息年龄（AoI）阈值（α）集合。
• 开发一种相对于最小化每个源期望平均 AoI（AAoI）的帕累托最优策略具有 3-竞争力比的策略。
• 将框架扩展至加权和 AAoI 最小化场景，其中源之间的相对优先级已知。
• 通过推导考虑更新生成时间间隔方差的最优 AAoI 更紧致下界，超越先前工作。

提出的方法

• 提出一种随机化策略 πR，以固定概率 pℓ 选择每个源 ℓ，若其更新可用则进行传输。
• 基于系统参数（包括平均生成时间间隔和传输延迟分布）推导目标 AoI 向量 α 可行性的必要条件。
• 使用一个包含生成时间间隔方差 σℓ² 的最优期望 AAoI 下界，改进了先前忽略该效应的工作。
• 制定优化问题以计算最小化期望 AAoI 加权和的最优随机化概率 pℓo。
• 在 MATLAB 中使用 CVX 数值求解 pℓo，基于推导出的最优 AAoI 下界。
• 通过多种配置的仿真验证策略性能，包括单源和多源场景，以及不同传输延迟分布。

实验结果

研究问题

• RQ1 在具有随机更新生成和一般传输时间的通用多源 M/G/1 队列模型中，一种简单随机化在线策略是否能实现相对于最优策略的常数因子竞争力比？
• RQ2 考虑生成时间间隔的方差如何影响最优 AAoI 的下界以及在线策略的最终竞争力比？
• RQ3 在最小化各源期望 AAoI 加权和的场景下，所提策略与最优策略之间的性能差距是多少？
• RQ4 所提策略是否在不同传输延迟分布（如指数分布与均匀分布）下均保持近似最优性能，而无需针对分布进行调优？
• RQ5 在单源场景下，若更新为按需生成，所提策略的性能与已知最优策略相比有多接近？

主要发现

• 所提出的随机化策略 πR 在目标阈值向量 α 可行的前提下，可保证每个源 ℓ 的期望平均 AoI 不超过 3αℓ。
• 在加权和 AAoI 最小化场景下，πR 的 WSAAoI 不超过任何在线策略下可能的最小 WSAAoI 的 3 倍。
• 理论竞争力比 3 优于先前类似多源随机设置中的最佳保证值 4。
• 仿真结果表明，该策略对传输延迟分布选择（指数分布或均匀分布）具有鲁棒性，性能差异微小。
• 在单源场景下，若更新为按需生成，尽管 πR 是分布无关且更易实现，其 AAoI 仍非常接近已知最优策略。
• 平均传输延迟对 WSAAoI 有显著影响，而分布族（指数分布与均匀分布）对性能的影响可忽略不计。