[论文解读] Joint Information Freshness and Completion Time Optimization for Vehicular Networks

Abubakr O. Al-Abbasi, Vaneet Aggarwal|arXiv (Cornell University)|Nov 30, 2018

Age of Information Optimization被引用 12

一句话总结

该论文提出了一种联合优化框架，用于在请求云计算的物联网设备的车载网络中优化信息年龄（AoI）与完成时间。通过将计算和网络阶段建模为队列，该方法在调度参数上构建了一个凸优化问题，以最小化AoI与完成时间的加权组合，利用离线和在线PPS算法实现最优性能，显著优于基线方法。

ABSTRACT

The demand for real-time cloud applications has seen an unprecedented growth over the past decade. These applications require rapidly data transfer and fast computations. This paper considers a scenario where multiple IoT devices update information on the cloud, and request a computation from the cloud at certain times. The time required to complete the request for computation includes the time to wait for computation to start on busy virtual machines, performing the computation, waiting and service in the networking stage for delivering the output to the end user. In this context, the freshness of the information is an important concern and is different from the completion time. This paper proposes novel scheduling strategies for both computation and networking stages. Based on these strategies, the age-of-information (AoI) metric and the completion time are characterized. A convex combination of the two metrics is optimized over the scheduling parameters. The problem is shown to be convex and thus can be solved optimally. Moreover, based on the offline policy, an online algorithm for job scheduling is developed. Numerical results demonstrate significant improvement as compared to the considered baselines.

研究动机与目标

• 解决实时车载云应用中信息新鲜度（以AoI衡量）与作业完成时间之间的权衡问题。
• 将云计算中的端到端延迟建模为由计算排队、处理和网络阶段组成。
• 为车载网络中的物联网设备开发联合优化AoI与完成时间的调度策略。
• 构建一个凸优化问题，以最小化AoI与完成时间的加权和。
• 基于离线最优策略设计一种在线PPS算法，以实现对系统动态的适应。

提出的方法

• 将系统建模为多阶段排队网络：在虚拟机上的计算队列后接用于输出传输的网络队列。
• 使用信息年龄（AoI）作为以目的地为中心的指标来量化信息新鲜度，定义为自上次更新生成以来的时间。
• 基于排队论和调度策略，推导出平均AoI和平均完成时间的闭式表达式。
• 提出一种基于优先级的调度（PPS）策略，通过优化调度概率和优先级分配，实现AoI与完成时间的平衡。
• 将联合优化问题重新表述为关于调度参数的凸问题，从而能够获得全局最优解。
• 开发了一种在线PPS算法，利用实时反馈适应系统动态，紧密跟踪离线最优性能。

实验结果

研究问题

• RQ1 如何设计调度策略，以在车载云网络中联合最小化信息年龄和完成时间？
• RQ2 在实时物联网应用中，信息新鲜度（AoI）与作业完成时间之间的基本权衡是什么？
• RQ3 能否构建一个凸优化框架，以在计算和网络阶段之间最优平衡AoI与完成时间？
• RQ4 在不同工作负载下，所提出的PPS策略与基线调度策略相比，在性能和鲁棒性方面表现如何？
• RQ5 在动态车载环境中，离线最优调度与在线自适应调度之间的性能差距是多少？

主要发现

• 所提出的凸优化框架成功最小化了AoI与完成时间的加权组合，问题结构支持全局最优解。
• PPS调度策略显著优于基线策略，尤其在高负载场景下，通过高效管理调度概率和优先级实现。
• 即使到达率持续增加，PPS策略仍能通过基于文件组权重的差异化服务，保持较低的加权AoI，其中最高权重组（最敏感于年龄）获得最低的年龄尾部。
• 在线PPS算法紧密跟踪离线最优策略的性能，验证了其对动态系统条件的适应能力。
• 观察到平均AoI与平均完成时间之间存在明确的权衡，参数θ使服务提供商能够根据应用对信息过时的容忍度选择最优平衡点。