Data-driven sensor scheduling for remote estimation in wireless networks
University of Southern California（南加州大学）
传感器调度是信号处理和控制中的一个重要研究课题，具有广泛的应用前景。尽管其成功的历史，大多数相关文献假设的传感器测量，如相关结构或整个联合概率密度函数的基础概率模型的知识。在这里，介绍了一个框架，用于远程估计的传感器调度系统的设计和调度决策是完全基于观测数据。单播和广播网络和相应的接收器被认为是。在这两种情况下，经验风险最小化可以构成为一个差分凸优化问题和局部最优解有效地获得通过应用凹凸过程。我们的结果是独立的数据的概率密度函数，相关结构和传感器的数量。
2019-12-05 cs.LG cs.SY eess.SY
Bandwidth-Constrained Sensor Scheduling: A Trade-off between Fairness and Efficiency
本文针对带宽受限的传感器调度问题，提出一种$q$-公平性框架，通过调整参数$q$平衡效率与公平性，并在两种通信场景下分别推导最优调度和提出次优算法，仿真验证了其有效性。
2025-09-19 cs.SY eess.SY
Transmission Power Scheduling for Energy Harvesting Sensor in Remote State Estimation
Hong Kong University of Science and Technology（香港科技大学）；The University of Newcastle（纽卡斯尔大学）；Uppsala University（乌普萨拉大学）
本文研究无线传感器网络中的远程估计问题，提出利用能量收集传感器而非传统电池供电传感器，并设计最优传输功率控制策略及近似策略，通过数值示例评估其性能。
2014-02-24 cs.SY eess.SY math.OC
Max-Min Fair Sensor Scheduling: Game-theoretic Perspective and Algorithmic Solution
Hong Kong University of Science and Technology（香港科技大学）；KTH Royal Institute of Technology（皇家理工学院）；Institute of Systems Science, Chinese Academy of Sciences（中国科学院系统科学研究所）
本文从博弈论角度研究了传感器调度问题，提出了一种最大-最小公平的调度策略，并通过算法证明了其存在唯一纳什均衡。
2019-10-18 cs.SY eess.SY
Backpressure-based Mean-field Type Game for Scheduling in Multi-Hop Wireless Sensor Networks
NYUAD Research Institute New York University Abu Dhabi（纽约大学阿布扎比分校研究学院）；Department of Mathematics KTH Royal Institute of Technology（瑞典皇家理工学院数学系）；Engineering Division New York University Abu Dhabi（纽约大学阿布扎比分校工程学院）
本文提出基于背压的均场类型博弈框架，用于优化多跳无线传感器网络中的调度，通过结合均场项和背压动态，实现局部与全局效率的平衡。
2026-01-26 cs.SY eess.SY math.OC
Deep Reinforcement Learning for Wireless Sensor Scheduling in Cyber-Physical Systems
Paderborn University（帕德博恩大学）；Hong Kong University of Science and Technology（香港科技大学）
本文研究了网络化物理系统中多远程动态过程状态估计的传感器调度问题，采用深度强化学习中的深度Q网络算法解决调度问题，并在多个示例场景中证明其优于轮询和减少等待时间等传统算法。
2020-05-27 cs.SY eess.SY
Sensor Scheduling Design for Complex Networks under a Distributed State Estimation Framework
本文研究了共享传输信道上复杂网络状态估计的传感器调度问题。对于一个由动力系统组成的复杂网络，即节点，采用传感器网络对系统状态进行分布式测量和估计，其中传感器用于测量节点。估计从传感器传输到相关联的节点，在一步的时间延迟的存在下，并受到数据包丢失。由于有限的传输能力，只有一部分传感器被允许在每个时间步发送信息。本文的目标是寻求一个最佳的传感器调度策略，使整体估计误差最小化。在分布式状态估计框架下，将该问题转化为一个马尔可夫决策过程，其中每个节点的一级奖励是强耦合的。保证了问题重构的可行性。此外，一个易于检查的条件，以保证存在一个最佳的确定性和平稳的政策。此外，它被发现的最优策略有一个阈值，可以用来减少计算复杂度，在获得这些政策。最后，通过几个仿真例子说明了理论结果的有效性。
2023-01-11 cs.SY eess.SY
Scalable Sensor Scheduling for Continuous-Discrete Kalman Filtering via Information-Form Surrogate Dynamics
School of Electrical Engineering, Korea Advanced Institute of Science & Technology (KAIST)（韩国科学技术院电气工程学院）
本文提出一种信息形式确定性代理，用于连续-离散卡尔曼滤波的可扩展离线设计，通过传感器特定的加性信息增量消除混合状态-输入导数，简化了非线性程序的导数结构，并提供了可计算的双侧性能界限。
2026-04-23 cs.SY eess.SY
Stochastic Sensor Scheduling for Energy Constrained Estimation in Multi-Hop Wireless Sensor Networks
Carnegie Mellon University（卡内基梅隆大学）；Università degli Studi della Calabria（卡拉布里亚大学）
针对多跳无线传感器网络中能量受限的远程估计问题，提出一种基于凸优化的随机传感器选择算法，最小化渐近期望估计误差协方差矩阵，且无需额外通信开销。
2011-07-09 cs.SY eess.SY math.OC
A Randomized Greedy Algorithm for Near-Optimal Sensor Scheduling in Large-Scale Sensor Networks
本文提出一种随机贪心算法，用于在资源受限的线性动态系统中选择少量传感器进行状态估计，通过分析曲率特性，得出估计误差的上界，并通过仿真验证了算法的有效性。
2018-04-03 cs.SY eess.SY
Stochastic Sensor Scheduling for Networked Control Systems
ACCESS Linnaeus Center, School of Electrical Engineering, KTH Royal Institute of Technology（ACCESS林奈中心，电气工程学院，KTH皇家理工学院）
针对网络化估计与控制系统，提出一种基于连续时间马尔可夫链的随机传感器调度策略，通过最小化包含采样频率和参数切换代价的成本函数，公平分配网络资源，并给出闭环性能的上界。
2013-10-15 cs.SY eess.SY math.OC
On Stochastic Sensor Network Scheduling for Multiple Processes
Nanyang Technological University（南洋理工大学）；KTH Royal Institute of Technology（皇家理工学院）
本文提出一种随机事件驱动的传感器调度方法，用于多过程远程状态估计，通过优化参数提升估计质量，并提供量化调度性能差距的方法。
2016-12-28 cs.SY eess.SY
Optimal Minimax Mobile Sensor Scheduling Over a Network
我们研究了使用单个移动传感器监测多个目标的问题，目标是在长时间范围内最大限度地减少所有目标之间的估计误差。传感器可以在网络约束结构中移动，它必须计划访问哪些目标以及在每个节点停留多长时间。我们证明了在最优观测时间分配中，所有目标的峰值不确定性是相同的。通过进一步限制代理政策，每个周期只访问每个目标一次，我们开发了一个计划，以优化代理的行为，是显着简单的计算相比，以前的方法类似的问题。
2020-09-23 cs.SY eess.SY
Power Scheduling of Kalman Filtering in Wireless Sensor Networks with Data Packet Drops
School of Automation, Beijing Institute of Technology（北京理工大学自动化学院）；Key Laboratory of Intelligent Control and Decision of Complex Systems（复杂系统智能控制与决策重点实验室）
本文研究了在数据包丢失的无线网络中，针对线性随机系统卡尔曼滤波的功率调度问题，通过最小化估计均方误差来优化传输功率，推导出最小均方误差估计器并分析其稳定性条件。
2014-03-14 cs.SY eess.SY
Sensor Scheduling in Intrusion Detection Games with Uncertain Payoffs
本研究针对入侵检测中的传感器调度问题，提出分布式加权多数算法和在线学习方法，分别处理已知与未知收益场景，高效计算纳什均衡策略并实现阶最优遗憾界。
2025-04-20 cs.GT cs.SY eess.SY
Toward Robust Manufacturing Scheduling: Stochastic Job-Shop Scheduling
本文针对小批量多品种制造中的随机作业车间调度问题，提出基于代理“水平”拉格朗日松弛与Polyak步长公式的求解方法，在保证近最优解质量的同时实现比商业求解器快两个数量级的收敛速度。
2023-04-18 cs.SY eess.SY math.OC
Optimal scheduling strategy for networked estimation with energy harvesting
联合优化调度和估计策略被认为是一个系统的两个传感器和两个非同位估计。每个传感器产生一个独立的和相同分布的随机变量序列，每个估计器相对于均方误差意义上形成相应序列的估计。由传感器产生的数据被发送到相应的估计器，通过带宽受限的无线网络，可以支持每个时隙的单个数据包。对有限通信资源的访问由调度器确定，调度器基于两个观测来决定发送哪个传感器测量。调度器具有容量有限的能量收集电池，其及时耦合决策问题。尽管整体缺乏凸性的团队决策问题，它表明，该系统承认全球最优的调度和估计策略的假设下，在传感器的随机变量的分布是对称的和单峰的。此外，最优调度策略具有由取决于时间索引和能量水平的阈值函数表征的结构。给出了一种阈值计算的递归算法。
2019-08-16 cs.SY eess.SY
Energy-Optimal Scheduling in Low Duty Cycle Sensor Networks
Faculty of Engineering and Natural Sciences, Sabanci University（萨班哲大学工程与自然科学学院）
针对低占空比无线传感器网络，提出一种类MaxWeight的睡眠-活动调度算法，在时变信道和流量条件下实现能量消耗任意接近全局最小值。
2011-03-22 cs.NI cs.SY eess.SY
Stochastic Interchange Scheduling in the Real-Time Electricity Market
Cornell University（康奈尔大学）；ISO New England Inc.（新英格兰独立系统运营商有限公司）
本文提出基于两阶段随机优化的交换调度方法，通过最大化预期社会福利解决多区域随机发电和负荷下的调度问题，实现无迭代的最优交换计划。
2016-01-10 cs.SY eess.SY
Optimal Scheduling of Multiple Sensors over Lossy and Bandwidth Limited Channels
Hong Kong University of Science and Technology（香港科技大学）；Arizona State University（亚利桑那州立大学）；Zhejiang University（浙江大学）
本文研究了多个动态过程的传感器调度问题，提出了一种集中式调度策略以最小化远程估计器的总预期估计误差和通信成本，并展示了单调策略的最优性，同时提供了一种基于索引的启发式方法来避免计算复杂性。
2020-01-09 cs.SY eess.SY
Optimal Sensor Scheduling for Multiple Linear Dynamical Systems
NTU（南洋理工大学）；KTH（皇家理工学院）；SDU（山东大学）
研究多传感器调度的最优碰撞自由调度问题，通过马尔可夫决策过程建模，提出渐进周期性调度方案，并设计子最优调度策略及最优成本下界。
2016-04-14 cs.NI cs.SY eess.SY
Optimal Periodic Sensor Scheduling in Networks of Dynamical Systems
Syracuse University（雪城大学）；Yeditepe University（耶迪特佩大学）
本文研究动态系统网络中周期性传感器调度问题，通过优化估计精度与总传感器激活次数的平衡，提出基于估计器增益非零列的算法，采用ADMM方法求解组合优化问题。
2014-04-17 cs.SY eess.SY stat.AP
Multi-Sensor Scheduling for Remote State Estimation over Wireless MIMO Fading Channels with Semantic Over-the-Air Aggregation
EURECOM（欧洲通信研究所）；University of Granada（格拉纳达大学）
本文提出了一种基于语义空中聚合的多传感器调度方法，通过动态规划和正半定锥分解，实现无线MIMO衰落信道中的高效远程状态估计。
2026-02-04 cs.SY eess.SP eess.SY
Optimal Scheduling of Multiple Sensors with Packet Length Constraint
Hong Kong University of Science and Technology（香港科技大学）；Uppsala University（乌普萨拉大学）
本文研究多过程传感器数据调度问题，在带宽限制下优化远程估计器的估计误差协方差平均值，采用马尔可夫决策过程建模并证明存在确定性平稳策略。
2017-03-27 cs.SY eess.SY
Observation-driven scheduling for remote estimation of two Gaussian sources
University of Southern California（南加州大学）
研究针对两个相关高斯源的传感器网络，设计联合调度与估计策略以最小化均方误差。提出max-scheduling/mean-estimation策略，并在相关源和对称方差情况下进行优化。
2018-04-05 cs.SY eess.SY
Optimal Sensor Scheduling and Remote Estimation over an Additive Noise Channel
Coordinated Science Laboratory, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校协同科学实验室）
研究在存在加性噪声信道下，如何通过最优传感器调度与远程估计降低通信与估计成本。
2015-09-30 cs.IT cs.SY eess.SY
Joint Scheduling of Deferrable and Nondeferrable Demand with Colocated Stochastic Supply
针对共址随机供应下可延迟与不可延迟需求的最优联合调度问题，提出基于“拖延策略”低维参数化的拖延阈值强化学习算法，其性能近似最优策略并优于标准基准。
2025-07-13 cs.SY eess.SY
A Unified Framework for Joint Sensor Placement and Scheduling for Intrusion Detection
提出一个统一框架，将传感器放置与方向调度联合优化，通过博弈论设计效用函数并利用弱子模性实现近最优检测性能。
2026-06-19 cs.GT cs.SY eess.SY
Stability of Kalman Filtering with a Random Measurement Equation: Application to Sensor Scheduling with Intermittent Observations
Guandong University of Technology（广东工业大学）；French-Argentinean International Center for Information and Systems Sciences, National Scientific and Technical Research Council（法阿信息与系统科学国际中心，国家科学技术研究委员会）；Dalian University of Technology（大连理工大学）；ABB Corporate Research Center（ABB企业研究中心）；University of Newcastle（纽卡斯尔大学）
本文研究了在测量方程（即测量矩阵和测量误差协方差）随机的情况下卡尔曼滤波的稳定性，提出了稳定性条件并讨论了其数值计算，应用于多传感器在损失性网络中调度观测的场景。
2018-10-18 cs.SY eess.SY
Novel Sensor Scheduling Scheme for Intruder Tracking in Energy Efficient Sensor Networks
Department of Computer Science and Automation, Indian Institute of Science（计算机科学与自动化系，印度科学研究院）
本文提出基于POMDP的强化学习算法，用于在能量受限下高效跟踪入侵者，通过UCT方法实现状态和动作空间的扩展，验证了算法在大规模问题中的有效性。
2018-02-24 cs.AI cs.SY eess.SY
Optimal Communication Scheduling and Remote Estimation over an Additive Noise Channel
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文研究单传感器与单估计器在加性噪声信道下的序列调度与远程估计问题，通过动态规划分析噪声影响，发现传输机会数量出现相变现象。
2016-10-18 cs.IT cs.SY eess.SY
A Separation Theorem for Joint Sensor and Actuator Scheduling with Guaranteed Performance Bounds
我们研究的问题，共同设计一个稀疏的传感器和执行器的线性动力系统的时间表，同时保证控制/估计性能，接近完全感测/致动设置。我们进一步证明了分离原则，表明问题可以分解成单独寻找传感器和执行器的时间表。然而，它表明，这个问题不能有效地解决或近似多项式，甚至准多项式时间的时不变的传感器/执行器的时间表，相反，我们开发了确定性的多项式时间算法的时变传感器/执行器的时间表，保证近似边界。我们的主要结果是提供一个多项式时间的联合执行器和传感器的时间表，平均只选择一个恒定数量的传感器和执行器在每个时间步，无论系统的尺寸。其关键思想是稀疏的可控性和可观性Gramian，同时提供近似保证Hankel奇异值。这个想法的灵感来自于最近在理论计算机科学文献中关于稀疏化的结果。
2020-05-06 cs.MA cs.SY eess.SY
Sensor Scheduling in Variance Based Event Triggered Estimation with Packet Drops
Paderborn University（帕德博恩大学）；Uppsala University（乌普萨拉大学）
本文研究多传感器远程状态估计问题，考虑传感器通过独立同分布丢包信道传输局部状态估计至远程估计器，通过优化最小化估计误差协方差与能耗的凸组合，提出阈值策略的最优性。
2016-08-03 cs.SY eess.SY
Hierarchical Stochastic Scheduling of Multi-Community Integrated Energy Systems in Uncertain Environments via Stackelberg Game
利用社区一体化能源系统和大量小规模分布式能源的经营实体可以很容易地与现有的分销市场进行交易。针对多能源交互的多社区综合能源系统（MCIES）的能源管理和定价问题，研究了不确定环境下的分层随机优化调度方法.为了处理多个不确定性，使用具有梯度惩罚的Wasserstein生成对抗网络来生成可更新场景，并使用Kmeans++聚类算法来生成典型场景。构建了一个基于Stackelberg的集成需求响应的分层随机调度模型，MCIES运营商作为领导者，通过设定能源价格追求净利润最大化，而建筑用户作为追随者，调整其能源消耗计划以最小化总成本.最后，设计了一种基于元启发式的分布式迭代求解方法。通过实例验证了该方法的有效性。
2021-12-14 cs.SY eess.SY math.OC
Dynamic Joint Scheduling of Anycast Transmission and Modulation in Hybrid Unicast-Multicast SWIPT-Based IoT Sensor Networks
针对基于SWIPT的物联网传感器网络中分离式接收机能耗高的问题，结合集成接收机架构，提出UMSM联合调度算法，在满足吞吐量与采能约束下实现更优的采能与吞吐量性能。
2023-07-17 cs.IT cs.NI cs.SY
Stannic: Systolic STochAstic ONliNe SchedulIng AcCelerator
University of Illinois Chicago（伊利诺伊大学芝加哥分校）
针对异构HPC系统中随机工作负载调度效率低的问题，提出两种FPGA加速器微架构Hercules和Stannic，通过并行化和预计算实现近实时调度，速度提升达1060倍。
2026-06-16 cs.DC cs.SY eess.SY
Goal-Oriented Sensor Reporting Scheduling for Non-linear Dynamic System Monitoring
Centre for Wireless Communications, University of Oulu（奥卢大学无线通信中心）；Department of Electrical Engineering, Indian Institute of Technology Indore（印度印多尔理工学院电气工程系）；Skoda Auto University（斯柯达汽车大学）；Faculty of Informatics and Management, University of Hradec Krolove（赫拉德茨克拉洛韦大学信息与管理学院）；University of Oulu（奥卢大学）
本文提出基于深度强化学习的目标导向调度方法，用于非线性动态系统监控中的传感器报告调度，以降低均方误差并提高能效。
2026-07-17 cs.SY eess.SY
On Minimizing Channel-Aware Age of Information in a Multi-Sensor Setting
我们提出了一个变种的信息时代（AoI）度量称为智能感知信息时代（CA-AoI）。与AoI不同，CA-AoI考虑源和预期目的地之间的信道条件来计算目的地接收的最近更新的“年龄”。该新度量确保资源分配不会严重地向具有差信道条件的源倾斜。我们设计调度策略的多传感器系统中，传感器报告他们的测量到一个中央监测站通过一个共享的不可靠的通信信道的目标是最小化的时间平均值的加权和CA-AoIs。我们最初得到普遍的下限的新鲜度目标。我们发现，调度问题是可索引的，并得出低复杂度的Whittle指数为基础的调度策略。我们还设计了平稳随机调度算法，并给出了优化过程，以找到最佳的政策参数。通过模拟，我们表明，我们提出的政策超过贪婪的政策在几个设置。此外，基于Whittle指数的调度策略在所有考虑的设置中优于其他策略。
2021-01-11 cs.IT cs.SY eess.SY
Data-Driven Switched State Estimation with Sparse Sensor Scheduling for Nonlinear Networked Systems
University of Calabria（卡拉布里亚大学）
针对未知非线性网络系统，提出数据驱动框架，通过在线分段线性化和4SID辨识构建切换模型，结合Procrustes对齐和凸优化设计稀疏观测器，在18链路交通网络上验证了高精度估计与传感器数量减少。
2026-09-28 cs.SY eess.SY
Distributed Observation Scheduling and Sensor Fusion For Large Agile Constellations
University of Colorado Boulder（科罗拉多大学博尔德分校）
本研究针对大型敏捷地球观测卫星星座的指挥利用问题，提出结合BWCBBA与轻量级调度器的分布式观测调度算法及基于所有权模型的分布式数据融合算法，并分析其与集中式方法的性能差异。
2026-10-14 cs.SY eess.SY
Optimal Sensor Scheduling and Selection for Continuous-Discrete Kalman Filtering with Auxiliary Dynamics
Aalborg University（奥尔堡大学）；Pioneer Centre for Artificial Intelligence（人工智能先锋中心）
针对带辅助动力学耦合的连续-离散卡尔曼滤波多传感器观测场景，提出基于泊松过程测量建模与协方差上界的有限时域联合优化框架及测量调度方法，提升了资源与精度的权衡效果。
2025-07-15 cs.SY eess.SY
Fast Distributed Stochastic Scheduling for A Multi-Energy Industrial Park
工业园区多能源管理框架倡导能源转换与调度，充分利用多种能源的补偿性和时间可用性。然而，在电力供需不确定的情况下，如何利用弹性负荷和补偿非弹性负荷来匹配多台发电机和多台蓄能发电机仍然是一个关键问题。为了解决这个问题，能源管理问题被构造为一个随机优化问题。优化的目标是在满足能量约束的前提下，最小化时均能量成本，提高能量效率。为了实现分布式实时实现而无需知道任何先验知识的潜在的随机过程，分布式随机梯度算法的对偶分解和快速方案的基础上，提出了一种。基于实际数据的数值结果表明，采用该算法，工业园区可以渐近地实现社会福利最大化。
2022-05-24 cs.SY eess.SY
Stochastic Optimization for Markov Modulated Networks with Application to Delay Constrained Wireless Scheduling
University of Southern California（南加州大学）
针对混合时延约束用户与无时延约束用户的无线系统，提出一种调度算法，通过将约束优化转化为加权随机最短路径问题，最大化吞吐量效用、稳定队列并满足时延约束。
2011-07-28 cs.SY eess.SY math.OC
Joint Scheduling and Trajectory Optimization of Charging UAV in Wireless Rechargeable Sensor Networks
针对无线可充电传感器网络中充电无人机的效率问题，本文将联合调度与轨迹优化分解为两个子问题，并分别提出PSOFKP与PSOD2P算法，仿真验证了其性能与稳定性。
2023-09-30 cs.SY eess.SY
Stochastic AC Network-constrained Scheduling of CAES and Wind Power Generation in Joint Energy and reserve market: Toward More Realistic Results
本文提出了一种两阶段随机日前调度模型，将风电机组和压缩空气储能（CAES），以清除一个共同优化的能量和备用市场。针对风力发电量的不确定性，采用两阶段随机规划方法。线性化交流最优潮流（LAC-OPF）的方法，考虑网络损耗，无功功率，电压幅度的约束，利用建议的两阶段随机DA调度模型。基于工程实际，提出了一种两级LAC-OPF（TL-LAC-OPF）方法，该方法减少了LAC-OPF方法的二进制变量数，降低了计算负担;自适应地获得LAC-OPF预定义参数，从而提高了LAC-OPF方法的精度，减少了人为损耗。此外，由于CAES的效率取决于其热力学和操作条件，建议的两阶段随机DA调度模型的开发，考虑其热力学特性，以获得更现实的市场决策摆在首位。利用GAMS软件对IEEE 30节点和57节点测试系统进行了仿真，并与传统的三种方法进行了比较，AC-OPF、DC-OPF和LAC-OPF。仿真结果证明了该方法的有效性。
2021-02-21 cs.SY eess.SY
Optimal Downlink-Uplink Scheduling of Wireless Networked Control for Industrial IoT
针对半双工控制器下工业IIoT无线网络化控制的上下行传输折中，建立长期平均代价优化问题，给出有界代价最优平稳确定性策略的充要条件及低复杂度次优策略。
2019-10-06 cs.IT cs.SY eess.SY
OpenSense: An Open-World Sensing Framework for Incremental Learning and Dynamic Sensor Scheduling on Embedded Edge Devices
本文提出OpenSense框架，在资源受限的嵌入式边缘设备上实现时间序列推理与增量学习，并通过类级别周期分配和Q学习两种动态调度技术降低能耗、避免遗漏事件，从而摆脱对云服务器的依赖。
2024-02-21 cs.SY eess.SY
Security Defense of Large Scale Networks Under False Data Injection Attacks: An Attack Detection Scheduling Approach
针对大规模网络中虚假数据注入攻击的安全防御问题，本文将可疑传感器选择建模为NP-hard组合优化问题，通过转化为子模函数并结合专家问题提出序贯子模优化的攻击检测调度算法，理论证明其性能有界且可保障网络安全，经仿真与实验验证有效。
2023-12-18 cs.SY eess.SY
Epidemic spreading in wireless sensor networks with node sleep scheduling
针对无线传感器网络的病毒传播安全问题，本文融合SIS模型与节点概率睡眠调度，利用MMC方法推导传播方程和流行病阈值，并通过数值模拟揭示阈值与睡眠/激活概率比成正比。
2023-06-10 cs.CR cs.NI cs.SY
Time Synchronization Attack and Countermeasure for Multi-System Scheduling in Remote Estimation
The Hong Kong University of Science and Technology（香港科技大学）；The Chinese University of Hong Kong（香港中文大学）
本文研究了多系统调度远程估计中的时间同步攻击问题，提出了一种针对恶意攻击者的有效算法，并设计了相应的防御措施以限制估计误差。
2019-05-03 cs.SY eess.SY
Partially Observable Minimum-Age Scheduling: The Greedy Policy
本文研究了无线传感器网络中的最小年龄调度问题，其中接入点（AP）通过一组传感器来监视对象的状态。由信息年龄（AoI）测量的感测状态的新鲜度在不同的传感器处变化，并且AP不能直接观察到。AP必须决定查询/采样哪个传感器，以便获得对象的最新状态信息（即，具有最小AoI的状态信息）。在本文中，我们制定的最小年龄调度问题作为一个多臂强盗问题，部分可观察的武器，并探讨贪婪的政策，以尽量减少预期的AoI采样在无限的地平线。为了分析贪婪策略的性能，我们1）提出了一种放松的贪婪策略，该策略简化了臂的采样过程，2）将每个臂的采样过程表示为部分可观测马尔可夫决策过程（POMDP），3）将放松贪婪策略下的平均采样AoI导出为从各个臂采样的平均AoI之和。数值和仿真结果验证了放松贪婪策略是一个很好的近似贪婪政策的期望AoI采样在一个无限的地平线。
2021-10-22 cs.IT cs.SY eess.SY
Two Timescale Convergent Q-learning for Sleep--Scheduling in Wireless Sensor Networks
INRIA Lille - Nord Europe（法国国家信息与自动化研究所里尔-北欧洲分所）；Indian Institute of Science（印度科学学院）
本文研究无线传感器网络中通过优化睡眠时间延长网络寿命并最小化跟踪误差的问题，提出双时间尺度收敛Q学习算法，结合函数近似和策略梯度更新，提升睡眠调度性能。
2014-03-23 cs.LG cs.SY eess.SY
Adaptive Scheduling: A Reinforcement Learning Whittle Index Approach for Wireless Sensor Networks
Coventry University（考文垂大学）
本文提出了一种基于 Whittle 指数的强化学习方法 WIQL-UCB，用于无线传感器网络中的自适应调度问题，实现了高效的计算和内存效率，优于现有方法。
2026-01-13 cs.SY eess.SY
Data-Driven Stochastic Optimization for Power Grids Scheduling under High Wind Penetration
为了解决环境问题和提高经济效益，风力发电被迅速纳入智能电网。然而，风能固有的不确定性带来了运营挑战。为了确保具有成本效益、可靠和稳健的运营，至关重要的是找到能够正确和严格对冲所有不确定性来源的最佳决策。本文提出了一种基于数据驱动的随机机组组合方法来指导电网调度。具体而言，给定有限的历史数据，后验预测分布的开发，以量化的风功率预测的不确定性，既考虑到固有的随机不确定性的风力发电和输入模型估计误差。对于复杂的电网系统，有限数量的场景被用来估计在规划范围内的预期成本。为了进一步控制有限采样误差的影响，提出了一种基于并行计算的优化求解方法，该方法可以快速找到可靠的最优机组组合决策，从而避免了各种不确定性。对6节点和118节点系统的实证研究表明，该方法可以提供更有效和更强大的性能比现有的确定性和随机机组组合方法。
2020-11-09 cs.SY eess.SY
