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

Haoyue Tang, Jintao Wang+2 more|arXiv (Cornell University)|Dec 11, 2019

Age of Information Optimization参考文献 45被引用 8

一句话总结

本文提出了一种渐近最优的多用户机会调度策略，以在功率受限、时变的多状态无线信道中最小化年龄信息（AoI）。通过放松严格的带宽约束，并利用线性规划求解解耦的约束马尔可夫决策过程（CMDP），推导出一种基于阈值的最优策略，进而构建一种截断策略，在满足带宽限制的同时，实现与理论最优值相差 O(1/√N) 的 AoI 性能，且该性能随网络规模 N 增大而趋近最优。

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.

研究动机与目标

• 在具有功率受限传感器和时变无线信道的工业物联网网络中，最小化平均年龄信息（AoI）。
• 解决在随机信道条件下，联合功率与带宽约束下多用户调度的挑战。
• 设计一种满足硬性带宽约束的实用调度策略，同时逼近理论最小 AoI。
• 分析所提策略与在放松约束下最优解之间的性能差距。
• 建立所提策略在传感器数量增加时的理论渐近最优性。

提出的方法

• 通过放松硬性带宽约束，将多传感器调度问题分解为单传感器的约束马尔可夫决策过程（CMDP）。
• 使用线性规划求解每个解耦的 CMDP，以获得最优的基于阈值的策略。
• 利用最优策略的阈值结构，为每个传感器推导出可计算的解。
• 通过基于放松策略决策选择表现最佳的 M 个传感器，构建一种尊重硬性带宽约束的截断调度策略。
• 采用基于惩罚的代价函数，以界定截断策略因带宽约束导致的性能损失上限。
• 利用集中极限不等式和期望偏差分析，证明所提策略与最优放松策略之间的性能差距随 N 增大而呈 O(1/√N) 的量级。

实验结果

研究问题

• RQ1 在多用户、功率受限、时变无线网络中，可实现的最小平均年龄信息（AoI）是多少？
• RQ2 如何设计调度策略，在尊重带宽和平均功率消耗的硬性约束下最小化 AoI？
• RQ3 能否构建一种实用的调度策略，使其在这些约束下渐近逼近理论最小 AoI？
• RQ4 所提策略与在放松约束下最优解之间的性能差距是多少？
• RQ5 该性能差距如何随网络中传感器数量的变化而变化？

主要发现

• 所提的截断调度策略在平均 AoI 性能上与在放松带宽约束下获得的最优解相差 O(1/√N)。
• 所提策略与最优放松策略之间的性能差距随 N 增大呈 O(1/√N) 的量级，表明当传感器数量 N 增加时具有渐近最优性。
• 每个解耦传感器的最优策略具有阈值结构，使得可通过线性规划高效求解。
• 最小平均 AoI 的下界为 J(π_R*) ≥ ½(1/θ + 1)，其中 θ = M/N 为可用带宽的占比。
• 随着 N 增大，所提策略的 AoI 性能趋近理论最小值，相对差距以 O(1/√N) 的速度缩小。
• 分析结果表明，利用良好的信道状态并确保功率受限传感器的及时更新，是实现低 AoI 的关键。