Low-Complexity AoI-Optimal Status Update Control with Partial Battery State Information in Energy Harvesting IoT Networks
本文研究能量收集物联网中仅知部分电池状态信息下的状态更新控制问题，提出CN策略及WUGC扩展方法，以低复杂度实现近最优的AoI性能。
2025-04-08 cs.IT cs.SY eess.SY
Age-of-information minimization via opportunistic sampling by an energy harvesting source
本文研究能量收集源在无线衰落信道下的信息年龄最小化问题，利用无限时间MDP建模i.i.d.和马尔可夫两种场景，证明i.i.d.下最优采样为阈值策略，并针对未知动态提出Q-learning变体算法以学习最优策略。
2024-05-31 cs.SY eess.SY
Status Updating with an Energy Harvesting Sensor under Partial Battery Knowledge
我们认为状态更新下的能量收集（EH）传感器的电池电量的不准确的知识，发送状态更新的随机过程中的用户通过启用缓存的边缘节点。更确切地说，通过仅依赖于从最后接收到的状态更新分组捕获的电池水平知识来执行控制决策。在从用户接收到对新信息的按需请求时，边缘节点使用可用信息来决定是命令传感器发送状态更新还是从缓存中检索最近接收的测量。我们寻求边缘节点的最佳动作以最小化所服务的测量的平均AoI，即，平均按需AoI。考虑到部分电池知识，我们将问题建模为部分可观测的马尔可夫决策过程（POMDP），并通过描述其关键结构，开发了一个动态规划算法来获得最优策略。仿真结果说明了基于阈值的结构的最优策略，并显示所提出的最优POMDP为基础的政策相比，一个请求感知的贪婪（近视）的政策所获得的收益。
2022-04-12 cs.ET cs.SY eess.SP
Age-of-information minimization under energy harvesting and non-stationary environment
本文研究了能量收集与非平稳环境下多源信息年龄最小化问题，通过将问题建模为MDP并证明最优阈值策略，提出了AEC-SW-UCRL2、AEC-BORL及基于Whittle索引的WIT-SW-UCRL2和WIT-BORL算法来应对未知时变环境，数值实验验证了其有效性。
2025-06-25 cs.SY eess.SY
Average Age of Information Minimization in Reliable Covert Communication on Time-Varying Channels
本文提出时变信道中可靠隐蔽通信方法，引入信道变化年龄（AoC）度量并建立其与信息年龄（AoI）的约束关系，以最小化 AoI 并保证 Willie 检测概率可忽略。
2022-05-03 cs.CR cs.IT cs.SY
Hierarchical Deep Reinforcement Learning for Age-of-Information Minimization in IRS-aided and Wireless-powered Wireless Networks
在本文中，我们专注于无线供电的传感器网络协调的多天线接入点（AP）。每个节点可以生成感测信息，并使用从AP的信号波束成形收集的能量向AP报告最新信息。我们的目标是最小化的平均年龄的信息（AoI），通过适应节点的传输调度和传输控制策略联合。为了减少传输延迟，智能反射表面（IRS）被用来通过控制AP的波束形成向量和IRS的相移矩阵来增强信道条件。考虑到不同传感节点的动态数据到达，我们提出了一个分层深度强化学习（DRL）框架，分两步实现AoI最小化。用户的传输调度首先由外环DRL方法（例如DQN或PPO算法）确定，然后使用内环优化来使上行链路信息传输或下行链路能量传递适应于所有节点。一个简单而有效的近似也被提出来减少内部循环的朗姆酒时间开销。数值实验结果表明，分层学习框架在平均AoI和不同节点之间的比例公平性方面优于典型基线。
2022-12-27 cs.NI cs.SY eess.SY
Age of Information Minimization using Multi-agent UAVs based on AI-Enhanced Mean Field Resource Allocation
本文提出MF-HPPO方案，结合平均场博弈与LSTM预测，优化无人机轨迹与传感器调度以最小化信息年龄，仿真显示其相比MADQN和随机算法分别降低AoI达45%和57%。
2024-05-02 cs.GT cs.SY eess.SY
Distortion Minimization with Age of Information and Cost Constraints
针对无线信道下监控随机过程的及时传输问题，提出以平稳随机策略最小化失真并约束信息年龄，证明二维马尔可夫链可集总并推导期望AoI表达式。
2023-06-24 cs.IT cs.NI cs.SY
Age of Information Minimization in UAV-Assisted Covert Communication: Trajectory and Beamforming Design
本文首次研究存在空中窃听者时无人机辅助隐蔽通信的AoI最小化问题，提出基于PD-NOMA的波束成形与轨迹联合交替优化方法，并通过数值结果验证系统性能。
2024-11-19 cs.IT cs.SY eess.SY
Whittle's index-based age-of-information minimization in multi-energy harvesting source networks
针对多能量收集源网络的信息年龄最小化问题，提出结合 Whittle 指数探测与信道阈值采样的 WITS3，并用 Q-WITS3 在未知信道和能量特性下学习策略。
2024-08-05 cs.SY eess.SY
Status Updating under Partial Battery Knowledge in Energy Harvesting IoT Networks
本文研究能量收集物联网中边缘节点在仅部分了解传感器电池电量情况下的按需状态更新问题，通过将POMDP转化为截断信念空间的belief-MDP并用动态规划求解最优策略，同时提出多传感器传输限制下的渐近最优算法。
2023-09-20 cs.SY eess.SY
On the Age-Optimality of Relax-then-Truncate Approach under Partial Battery Knowledge in Energy Harvesting IoT Networks
我们考虑一个能量收集（EH）物联网网络，其中用户向启用缓存的边缘节点发出按需请求，以发送有关各种随机过程的状态更新，每个过程都由EH传感器监控。边缘节点通过命令相应的传感器发送新的状态更新或从缓存中检索最近接收的测量值来满足用户的请求。我们的目标是找到一个控制策略，在边缘节点，最大限度地减少平均按需AOI在所有传感器的每时隙传输和能源的限制下，在边缘节点的部分电池知识。即，有限的无线电资源（例如，带宽）导致只有有限数量的传感器可以在每个时隙发送状态更新（即，每时隙传输约束），并且用于EH传感器的能量的稀缺性施加了能量约束。此外，边缘节点被告知的传感器的电池水平，只有通过接收到的状态更新包，导致电池水平的决策的不确定性。我们开发了一个低复杂度的算法-称为松弛然后截断-并证明了它是渐近最优的传感器的数量趋于无穷大。数值结果表明，所提出的方法取得了显着的收益超过请求感知的贪婪政策，并表明它具有接近最优的性能，即使是中等数量的传感器。
2022-12-12 cs.SY eess.SY
Risk-Aware and Energy-Efficient AoI Optimization for Multi-Connectivity WNCS with Short Packet Transmissions
针对多连接短包传输WNCS中AoI与能耗的权衡问题，提出风险感知且节能的最优连接方案，通过构建EE-PAoI比率并分析其性质，推导出最优连接数为发射功率的递减函数，仿真显示低SNR下相比单连接方案获超15倍增益。
2024-01-02 cs.IT cs.SY eess.SY
AUV Trajectory Learning for Underwater Acoustic Energy Transfer and Age Minimization
CEMSE Division, King Abdullah University of Science and Technology (KAUST)（卡奥斯特大学科学与技术学院）
本文提出利用深度强化学习优化水下无人艇轨迹，实现可持续的水下声学能量传输与信息收集，减少信息年龄并提升能源利用效率。
2026-01-13 cs.LG cs.RO cs.SY
Transformer Actor-Critic for Efficient Freshness-Aware Resource Allocation
Eindhoven University of Technology（埃因霍温理工大学）；Technology Innovation Institute（技术创新研究所）
本文提出基于Transformer的Actor-Critic框架，用于高效实现 freshness-aware 资源分配，通过注意力机制提升策略性能和可扩展性。
2026-02-26 cs.SY eess.SY
Dynamic Control of Functional Splits for Energy Harvesting Virtual Small Cells: a Distributed Reinforcement Learning Approach
在本文中，我们提出了一种网络场景，其中仅由能量收集器和电池供电的虚拟小小区的基带过程可以在位于宏基站站点的并网边缘计算服务器中机会性地执行。本文提出了相应的能量最小化问题，并提出了多智能体强化学习（RL）方法来解决该问题，并设计了分布式模糊Q-Learning和在线Q-Learning算法。通过向独立学习者广播系统级信息来实现多个代理之间的协调。网络性能的评估证实，通过广播的协调可以实现更高的系统级增益比未协调的解决方案和累积奖励更接近离线的界限。最后，我们的分析允许评估连续状态/动作表示的学习算法在更快的收敛，更高的累积奖励和更适应不断变化的环境方面的好处。
2019-06-13 cs.SY eess.SY
Combined Plant and Controller Optimization of an Underwater Energy Harvesting Kite System
本文介绍了制定和控制意识的优化相结合的几何和结构设计的能量采集水下风筝的结果。由于风筝为基础的能量收集系统，空中和水下，具有很强的耦合之间的闭环飞行控制，几何设计和结构设计，考虑所有三个方面的设计在一个单一的协同设计框架是非常可取的。然而，虽然以前的文献已经解决了一个或两个属性的设计在同一时间，目前的工作构成了第一个全面的努力，旨在解决所有三个。特别是，专注于功率最大化和质量最小化的目标，我们提出了一个协同设计配方，融合了几何优化工具，结构优化工具，和闭环飞行效率图。由此产生的综合协同设计工具是用来解决两个数学优化配方，表现出微妙的差异：帕累托最优配方和双目标配方，侧重于加权功率质量比的技术经济指标的优点。基于所得到的几何和结构设计，使用中等保真度的闭环仿真工具，所提出的配方被证明可以实现超过三倍的功率质量比以前公布的，未优化的基准设计。
2022-06-16 cs.SY eess.SY
Optimal Status Updating with a Finite-Battery Energy Harvesting Source
METU（中东理工大学）；Auburn University（奥本大学）
本文研究了具有有限电池的能量收集源如何通过最优策略发送状态更新以最小化信息年龄的期望惩罚，提出了一种单调阈值策略作为最优解，并通过数值分析展示了电池容量增加对平均年龄的改善效果。
2019-05-22 cs.IT cs.SY eess.SY
A Pre-Allocation Design for Cost Minimization and Delay Constraint in Vehicular Offloading System
为了适应基于车辆的应用呈指数级增长的流量需求，运营商正在利用卸载作为一种有前途的技术来提高服务质量（QoS），这引起了移动边缘计算（MEC）的应用。而传统的卸载范式集中在延迟和能量的权衡，他们要么没有找到有效的模型来表示延迟，特别是排队延迟，或低估MEC服务器的作用。本文提出了一种新的\textbf{P}重定位\textbf{A}车载\textbf{O}卸载设计（\textbf{PADO}）.基于分配-执行分离（AES）机制构造了一个任务延迟队列。由于车辆网络的动态性，我们受到启发，利用李雅普诺夫优化，以最小化每个车辆的执行成本，并保证任务延迟。该系统还考虑了具有能量收集设备的MEC服务器。车辆和服务器之间的交易由Stackelberg博弈框架决定。我们进行了大量的实验，以显示我们提出的框架的属性和优越性。
2019-11-21 cs.SY eess.SY
