[论文解读] Decentralized Throughput Maximizing Policies for Deadline-Constrained Wireless Networks

Rahul Singh, P. R. Kumar|arXiv (Cornell University)|Sep 17, 2015

Advanced Wireless Network Optimization参考文献 7被引用 5

一句话总结

该论文通过将并发传输的硬性约束放松为长期平均约束，提出了一种用于截止期限约束的多跳无线网络的去中心化、吞吐量最大化的调度策略。利用拉格朗日对偶性和惠特尔松弛原理，该策略使每个节点仅基于本地的分组截止期限知识即可做出传输决策，实现了渐近最优吞吐量，且可证明的次优性差距随网络容量的倒数平方根而缩放，即 $1/\sqrt{\text{network capacity}}$，在仿真中显著优于传统的最早截止期限优先（EDF）等策略。

ABSTRACT

We consider multi-hop wireless networks serving multiple flows in which only packets that meet hard end-to-end deadline constraints are useful, i.e., if a packet is not delivered to its destination node by its deadline, it is dropped from the network. We design decentralized scheduling policies for such multi-hop networks that attain the maximum throughput of useful packets. The resulting policy is decentralized in the sense that in order to make a transmission decision, a node only needs to know the "time-till-deadline" of the packets that are currently present at that node, and not the state of the entire network. The key to obtaining an easy-to-implement and highly decentralized policy is to replace the hard constraint on the number of simultaneous packet transmissions that can take place on the outgoing links of a node, by a time-average constraint on the number of transmissions. The policy thus obtained is guaranteed to provide maximum throughput. Analysis can be extended to the case of time-varying channel conditions in a straightforward manner. Simulations showing significant improvement over existing policies for deadline based scheduling, such as Earliest Deadline First, and supporting the theory, are presented.

研究动机与目标

• 设计一种去中心化的调度策略，以在具有硬性端到端截止期限的多跳无线网络中最大化有用分组的吞吐量。
• 克服传统反压和MaxWeight策略的局限性，这些策略仅能保证平均延迟性能，在高负载或信道不可靠时会失效。
• 仅基于本地队列分组的剩余截止时间，实现仅依赖节点本地状态的本地化、节点级决策，而无需全局网络状态信息。
• 通过将并发传输的硬性约束放松为时间平均约束，借鉴惠特尔对多臂赌博机问题的松弛方法，实现渐近最优吞吐量。

提出的方法

• 将吞吐量最大化问题建模为具有节点传输速率平均约束的马尔可夫决策过程（MDP）。
• 应用拉格朗日对偶性，将全局MDP分解为独立的、与流相关的MDP，其中对偶变量（解释为传输价格）用于强制执行平均速率约束。
• 通过动态规划求解得到的单流、单分组MDP，基于剩余寿命 $s$ 和流状态 $l$ 计算最优传输概率 $\phi_f(l,s)$。
• 使用标量化原理最大化吞吐量的加权和，将解置于速率区域的帕累托前沿上。
• 实现一种去中心化策略，其中每个节点仅基于其自身队列中分组的截止时间剩余时长做出传输决策，避免依赖全局状态信息。
• 利用惠特尔松弛技术，将每节点并发传输的硬性约束替换为时间平均约束，确保在网络容量增大时实现渐近最优性。

实验结果

研究问题

• RQ1 能否设计一种去中心化的调度策略，在无需全局网络状态信息的前提下，最大化多跳无线网络中截止期限约束分组的吞吐量？
• RQ2 如何放松每节点并发传输数量的硬性约束，以实现可处理的去中心化优化，同时保持渐近最优性？
• RQ3 该松弛策略与真实最优策略之间的次优性差距是多少？其随网络容量如何变化？
• RQ4 在现实无线条件下，该策略能否在有用吞吐量方面优于现有的基于截止期限的调度算法（如最早截止期限优先EDF）？
• RQ5 拉格朗日对偶分解如何应用于分组级调度，以实现仅依赖本地状态的逐分组去中心化决策？

主要发现

• 所提出的策略实现了渐近最优吞吐量，次优性差距随网络容量的倒数平方根缩放，即 $1/\sqrt{\text{network capacity}}$，证明了随着容量增加，其长期性能几乎是最优的。
• 该策略完全去中心化：每个节点仅需知晓其自身队列中分组的截止时间剩余时长即可做出传输决策，无需依赖全局状态信息。
• 仿真结果表明，与现有策略（如最早截止期限优先EDF）相比，该策略在高负载和无线信道不可靠条件下表现出显著的性能提升。
• 拉格朗日对偶方法成功地将复杂的全局MDP分解为可处理的、独立的流级MDP，从而实现了最优传输概率的高效计算。
• 使用平均传输约束而非硬性约束，使得分解更加清晰，并支持惠特尔松弛原理的应用，确保了渐近最优性。
• 该策略对时变信道条件具有鲁棒性，且可直接扩展以纳入此类动态特性。