[论文解读] Optimizing the Age-of-Information for Mobile Users in Adversarial and Stochastic Environments

Abhishek Sinha, Rajarshi Bhattacharjee|arXiv (Cornell University)|Jan 1, 2020

Age of Information Optimization参考文献 51被引用 1

一句话总结

本文提出了调度策略，以在对抗性和随机移动性模型下，优化多小区网络中移动用户的年龄信息（AoI）。它引入了一种贪婪策略，在对抗性环境中实现了与离线最优策略相媲美性能，并为平均AoI建立了具有2倍近似因子的Max-Weight策略，同时在静态场景中证明了峰值AoI的极端偏差最优性。

ABSTRACT

We study a multi-user downlink scheduling problem for optimizing the freshness of information available to users roaming across multiple cells. We consider both adversarial and stochastic settings and design scheduling policies that optimize two distinct information freshness metrics, namely the average age-of-information and the peak age-of-information. We show that a natural greedy scheduling policy is competitive with the optimal offline policy in the adversarial setting. We also derive fundamental lower bounds to the competitive ratio achievable by any online policy. In the stochastic environment, we show that a Max-Weight scheduling policy that takes into account the channel statistics achieves an approximation factor of $2$ for minimizing the average age of information in two extreme mobility scenarios. We conclude the paper by establishing a large-deviation optimality result achieved by the greedy policy for minimizing the peak age of information for static users situated at a single cell.

研究动机与目标

• 为解决在用户动态移动的多小区下行链路网络中，为移动用户维持信息新鲜度的挑战。
• 设计在线调度策略，以最小化两个关键年龄信息度量：平均AoI和峰值AoI。
• 在对抗性和随机移动性模型下，建立理论性能边界——竞争力比率和近似因子。
• 评估贪婪策略和Max-Weight策略在最小化静态和高度移动用户AoI方面的最优性。

提出的方法

• 提出一种基于当前年龄优先选择用户的贪婪调度策略，在对抗性环境中展示了与离线最优策略的竞争力。
• 推导出在对抗性环境中，任何在线策略可实现的竞争力比率的理论下限。
• 引入一种结合信道统计信息的Max-Weight调度策略，以最小化平均AoI，在两种极端移动性情况下实现了2倍近似因子。
• 分析了在单小区场景下，静态用户中贪婪策略的峰值AoI性能，证明了其极端偏差最优性。

实验结果

研究问题

• RQ1 在对抗性用户移动性下，贪婪调度策略与最优离线策略相比，在最小化平均AoI和峰值AoI方面表现如何？
• RQ2 在对抗性环境中，任何在线调度策略可实现的最佳竞争力比率是多少？
• RQ3 一种考虑信道统计信息的Max-Weight策略，能否在高度移动场景中实现平均AoI的有界近似因子？
• RQ4 在单小区网络中，贪婪策略在最小化静态用户峰值AoI方面的性能如何？

主要发现

• 贪婪调度策略在对抗性环境中实现了与最优离线策略的竞争力比率，表现出对最坏情况移动模式的强鲁棒性。
• 本文建立了竞争力比率的理论下限，揭示了在线策略在对抗性环境中固有的性能限制。
• 在随机环境中，结合信道感知调度的Max-Weight策略在两种极端移动性模型下，实现了最小化平均AoI的2倍近似因子。
• 对于单小区中的静态用户，贪婪策略在最小化峰值AoI方面实现了极端偏差最优性，表明其尾部性能接近最优。