[论文解读] On-Demand AoI Minimization in Resource-Constrained Cache-Enabled IoT Networks with Energy Harvesting Sensors

M. Hatami, Markus Leinonen+3 more|arXiv (Cornell University)|Jan 28, 2022

Age of Information Optimization被引用 4

一句话总结

本文提出一种松弛-截断算法，以在具有传输和能量约束的能量采集、缓存启用的物联网网络中最小化按需信息年龄（AoI）。通过将每时隙传输约束松弛为时间平均约束，并采用约束马尔可夫决策过程（CMDP），该方法在传感器数量增加时实现渐近最优性，与贪婪策略相比显著降低了AoI，同时保持低复杂度。

ABSTRACT

We consider a resource-constrained IoT network, where multiple users make on-demand requests to a cache-enabled edge node to send status updates about various random processes, each monitored by an energy harvesting sensor. The edge node serves users' requests by deciding whether to command the corresponding sensor to send a fresh status update or retrieve the most recently received measurement from the cache. Our objective is to find the best actions of the edge node to minimize the average age of information (AoI) of the received measurements upon request, i.e., average on-demand AoI, subject to per-slot transmission and energy constraints. First, we derive a Markov decision process model and propose an iterative algorithm that obtains an optimal policy. Then, we develop an asymptotically optimal low-complexity algorithm -- termed relax-then-truncate -- and prove that it is optimal as the number of sensors goes to infinity. Simulation results illustrate that the proposed relax-then-truncate approach significantly reduces the average on-demand AoI compared to a request-aware greedy (myopic) policy and also depict that it performs close to the optimal solution even for moderate numbers of sensors.

研究动机与目标

• 在资源受限、缓存启用的物联网网络中最小化按需信息年龄（AoI），该网络包含能量采集传感器。
• 在每时隙传输和能量因果性约束下，解决AoI新鲜度与能量节约之间的权衡。
• 设计一种可随传感器数量高效扩展的低复杂度策略。
• 开发一种次优但渐近最优的算法，随着传感器数量的增长，其性能趋近于最优策略。
• 提供所提策略与最优策略之间性能差距的理论边界。

提出的方法

• 将按需AoI最小化问题建模为具有每时隙传输和能量约束的约束马尔可夫决策过程（CMDP）。
• 将严格的每时隙传输约束松弛为时间平均约束，以简化优化问题。
• 通过迭代算法求解松弛后的CMDP，获得最优松弛策略。
• 应用在线截断过程，确保每时隙的传输次数不超过限制M，从而满足原始约束。
• 利用李雅普诺夫中心极限定理分析当传感器数量K趋于无穷大时系统的渐近行为。
• 推导出松弛-截断策略与最优策略之间性能差距的上界，表明该差距随K增加而消失。

实验结果

研究问题

• RQ1 在具有每时隙传输和能量因果性约束的缓存启用、能量采集物联网网络中，如何最小化按需AoI？
• RQ2 在此类系统中，低复杂度次优策略与最优策略之间的性能差距是多少？
• RQ3 随着传感器数量的增加，松弛策略能否趋近最优解？
• RQ4 所提出的松弛-截断算法如何在保持低复杂度的同时确保满足每时隙传输约束？
• RQ5 可以为所提算法的收敛性和最优性提供哪些理论保证？

主要发现

• 当传感器数量K趋于无穷大时，松弛-截断算法实现渐近最优性，与最优策略的性能差距在极限下消失。
• 性能差距的上界与Δ^max / (Γ√K)成正比，其中Δ^max为最大年龄增量，Γ为每时隙的传输限制。
• 仿真结果表明，与请求感知的贪婪策略相比，松弛-截断方法显著降低了平均按需AoI。
• 即使在中等数量的传感器下，所提算法的性能也接近最优解，表明其具有强大的实际适用性。
• 理论分析证实，每时隙活跃传感器数量的平均绝对偏差（MAD）呈O(1/√K)量级，支持渐近最优性结果。
• 该方法保持了线性增长于传感器数量的低计算复杂度，适用于大规模物联网部署。