[论文解读] Throughput Optimal Decentralized Scheduling of Multi-Hop Networks with End-to-End Deadline Constraints: II Wireless Networks with Interference

Rahul Singh, P. Rajesh Kumar+1 more|arXiv (Cornell University)|Sep 6, 2017

Advanced Wireless Network Optimization参考文献 23被引用 3

一句话总结

本文提出了一种去中心化的、吞吐量最优的调度策略，适用于具有端到端截止时间约束的多跳无线网络，其中链路干扰通过链路干扰图进行建模。该策略仅基于本地分组年龄和位置做出决策，无需全局网络状态信息，即可实现最优及时吞吐量，且其复杂度随网络规模线性增长，在带宽受限条件下具有渐近最优性。

ABSTRACT

Consider a multihop wireless network serving multiple flows in which wireless link interference constraints are described by a link interference graph. For such a network, we design routing-scheduling policies that maximize the end-to-end timely throughput of the network. Timely throughput of a flow $f$ is defined as the average rate at which packets of flow $f$ reach their destination node $d_f$ within their deadline. Our policy has several surprising characteristics. Firstly, we show that the optimal routing-scheduling decision for an individual packet that is present at a wireless node $i\in V$ is solely a function of its location, and "age". Thus, a wireless node $i$ does not require the knowledge of the "global" network state in order to maximize the timely throughput. We notice that in comparison, under the backpressure routing policy, a node $i$ requires only the knowledge of its neighbours queue lengths in order to guarantee maximal stability, and hence is decentralized. The key difference arises due to the fact that in our set-up the packets loose their utility once their "age" has crossed their deadline, thus making the task of optimizing timely throughput much more challenging than that of ensuring network stability. Of course, due to this key difference, the decision process involved in maximizing the timely throughput is also much more complex than that involved in ensuring network-wide queue stabilization. In view of this, our results are somewhat surprising.

研究动机与目标

• 设计一种去中心化的调度策略，以在具有端到端截止时间约束的多跳无线网络中最大化及时吞吐量。
• 通过链路干扰图对无线网络中的干扰进行建模，以应对干扰挑战。
• 确保调度决策仅依赖于本地信息——具体而言，仅依赖于分组的年龄和位置，而无需全局网络状态知识。
• 在平均和硬性带宽约束下实现吞吐量最优性，且在高负载条件下具有渐近最优性。
• 为未知网络参数开发在线学习算法，确保收敛至最优策略。

提出的方法

• 通过对偶分解方法推导链路价格，以反映在截止时间内成功传输的概率，从而实现基于年龄的优先级调度。
• 调度决策仅基于每个节点上分组的年龄和本地干扰约束，无需交换全局状态信息。
• 该算法是去中心化的：每个节点仅使用自身的队列状态和其拥塞分组的年龄做出决策。
• 对于未知参数，推导出迭代在线学习算法，可收敛至最优策略。
• 在硬性带宽约束下，策略通过截断处理，确保每时隙使用的带宽不超过K单位，并在流量趋于无穷大时证明了其渐近最优性。
• 该方法将先前关于随机网络的研究扩展至无线干扰模型，利用链路干扰图对共享节点的链路之间的相互干扰进行建模。

实验结果

研究问题

• RQ1 能否设计一种去中心化的调度策略，在具有端到端截止时间约束的多跳无线网络中实现吞吐量最优？
• RQ2 是否可能设计一种策略，仅使用本地信息——具体而言，仅使用分组的年龄和位置——做出最优调度决策，而无需依赖全局网络状态？
• RQ3 在干扰受限的无线网络中，如何在平均和硬性带宽约束下最大化及时吞吐量？
• RQ4 随着网络负载增加，所提策略与最优策略之间的性能差距如何？
• RQ5 当网络参数未知时，能否设计在线学习算法使其收敛至最优策略？

主要发现

• 所提策略实现了最优及时吞吐量，且其复杂度随网络中链路数量线性增长。
• 该策略具有高度去中心化特性：每个节点仅需知晓自身分组的年龄和本地干扰约束，无需全局网络状态信息。
• 即使在N=4的网络规模下，归一化及时吞吐量也迅速收敛至渐近值，表明理论上的次优性界O(1/√N)可能过于保守。
• 最优策略显著优于Q-CSMA与EDF-SP，尤其在带宽分配方面，因其利用链路价格根据分组在截止时间内成功传输的概率进行优先级排序。
• 在硬性带宽约束下，截断策略在流量趋于无穷大时达到渐近最优性。
• 使用定理4推导出的r*时，策略性能接近最优，及时吞吐量接近图3所示网络中理论上限1.6 pkts/time-slot。