[论文解读] Optimizing Age-of-Information in a Multi-class Queueing System

Longbo Huang, Eytan Modiano|arXiv (Cornell University)|Apr 20, 2015

Age of Information Optimization参考文献 9被引用 11

一句话总结

本文研究了在具有异构服务时间分布的异构多类别 M/G/1 队列系统中信息年龄（AoI）的优化问题，其中各实体生成具有不同服务时间分布的状态更新。论文推导出精确的峰值信息年龄（PAoI）表达式，并将系统成本最小化问题建模为拟凸优化问题，通过基于二分法的近似方法实现有界次优性的最优采样速率，尤其适用于 M/G/1/1 和一般 M/G/1 模型。

ABSTRACT

We consider the age-of-information in a multi-class $M/G/1$ queueing system, where each class generates packets containing status information. Age of information is a relatively new metric that measures the amount of time that elapsed between status updates, thus accounting for both the queueing delay and the delay between packet generation. This gives rise to a tradeoff between frequency of status updates, and queueing delay. In this paper, we study this tradeoff in a system with heterogenous users modeled as a multi-class $M/G/1$ queue. To this end, we derive the exact peak age-of-Information (PAoI) profile of the system, which measures the "freshness" of the status information. We then seek to optimize the age of information, by formulating the problem using quasiconvex optimization, and obtain structural properties of the optimal solution.

研究动机与目标

• 建立并分析具有异构服务时间分布的多类别 M/G/1 队列系统中的信息年龄（AoI）模型。
• 推导 M/G/1 和 M/G/1/1 队列模型中峰值信息年龄（PAoI）的精确表达式。
• 构建并求解一个基于 PAoI 的系统级成本函数最小化优化问题，以适应异构更新需求。
• 为一般 M/G/1 情况下的非凸优化问题开发一种高效近似方法，确保有界次优性。

提出的方法

• 利用更新理论和排队论分析，推导出 M/G/1 和 M/G/1/1 系统中考虑类别特定服务时间的精确 PAoI 表达式。
• 将系统成本建模为 PAoI 的拟凸函数，使得在 M/G/1/1 情况下可通过二分法高效优化。
• 提出近似函数 $ B_n(\boldsymbol{\nu}) $ 以替代非拟凸的 PAoI 表达式，确保优化的可处理性。
• 使用二分法最小化系统成本函数 $ C_{\text{sys}}(\boldsymbol{B}(\boldsymbol{\lambda})) $，该函数因近似而具有拟凸性。
• 建立次优性界：$ C_{\text{sys}}(\boldsymbol{\lambda}^*_B) \leq C_{\text{sys}}(\boldsymbol{\lambda}^*) + \max_n \beta_n A^*_n $，其中 $ \beta_n $ 为成本函数的利普希茨常数。
• 通过两个实体的数值实验验证方法，比较 M/G/1/1 和 M/G/1 场景下最优解与近似解的性能。

实验结果

研究问题

• RQ1 对于具有通用服务时间分布的多类别 M/G/1 队列，其峰值信息年龄（PAoI）的精确表达式是什么？
• RQ2 如何在异构服务需求下，以 PAoI 作为性能指标，最小化系统成本？
• RQ3 在 M/G/1/1 和 M/G/1 模型中，使系统成本最小化的最优更新速率向量 $ \boldsymbol{\lambda} $ 的结构是怎样的？
• RQ4 如何在一般 M/G/1 情况下，将非凸优化问题通过拟凸函数近似，以实现高效计算？
• RQ5 与真实最优解相比，所提出的近似方法的最坏情况次优性差距是多少？

主要发现

• M/G/1/1 系统的 PAoI 精确表达式为 $ A^{mg1/1}_{p,n} = \frac{1}{\lambda_n} + x_n $，该表达式在 $ \lambda_n $ 上为拟凸函数。
• 对于 M/G/1 系统，PAoI 表达式为 $ A^{mg1}_{p,n} = \frac{1}{\lambda_n} + \frac{\sum_j \lambda_j y_j}{2(1 - \sum_j \lambda_j x_j)} $，该表达式非拟凸，需进行近似处理。
• 在 M/G/1/1 情况下，优化问题为拟凸规划，可通过二分法求解，从而获得最优更新速率。
• 在一般 M/G/1 情况下，近似 $ B_n(\boldsymbol{\lambda}) $ 确保了拟凸性，使高效优化成为可能，并具有有界次优性间隙。
• 数值结果表明，当成本函数为线性时，近似解满足 $ C_{\text{sys}}(\boldsymbol{\lambda}^*_B) \leq 2C_{\text{sys}}(\boldsymbol{\lambda}^*) $，验证了其优异性能。
• 在双实体示例中，M/G/1 情况下最优 $ \boldsymbol{\lambda} $ 的系统成本为 $ C_{\text{sys}} = 172.15 $，而近似解的系统成本为 $ C_{\text{sys}} = 319.69 $，且真实最优成本被限制在该值的一半以内。