On The Optimality of The Whittle's Index Policy For Minimizing The Age of Information
在本文中,我们考虑的平均年龄最小化问题,一个中央实体的N个可用的用户在不可靠的信道上传输M个用户。众所周知,在这种情况下,获得最优策略是遥不可及的。因此,惠特尔的指数政策已建议在早期的作品作为一个启发式的这个问题。然而,对其业绩的分析仍然难以捉摸。在续集中,我们克服了这些困难,并提供了严格的结果,其渐近最优的多用户制度。具体来说,我们首先建立其最优性在一个特定的系统的状态附近。接下来,我们扩展我们的证明,在一个递归假设下的全球情况下,我们验证数字。这些研究结果表明,惠特尔的指数政策分析证明在多用户制度的AoI最小化问题的最优性。最后,数值结果显示其性能和证实我们的理论研究结果。
2020-01-13 cs.IT math.IT
Optimal Scheduling Policy for Minimizing Age of Information with a Relay
针对带中继的物联网传感器网络,为最小化平均加权和AoI,联合优化中继采样与更新策略,推导了不同场景下的最优性结论并提出通用场景的强化学习调度策略。
2023-08-25 cs.IT math.IT
Minimizing the Age of Information of Cognitive Radio-Based IoT Systems Under A Collision Constraint
本文考虑了一种基于认知无线电的物联网监测系统,该系统由一个物联网设备组成,旨在使用认知无线电技术将其测量更新到目的地。具体而言,作为次要用户(SIoT)的IoT设备寻求并利用其主要用户(PU)腾出的许可频带的频谱机会来传递状态更新,而不会对许可操作造成可见的影响。在这种情况下,SIoT应该谨慎地使用授权频段,并安排何时发送,以保持状态更新的及时性。我们采用最近的度量,信息时代(AoI),以表征SIoT的状态更新的及时性。我们的目标是最大限度地减少SIoT的长期平均AoI,同时通过制定一个约束马尔可夫决策过程(CMDP)的问题,满足由PU施加的碰撞约束。首先证明了CMDP问题的最优平稳策略的存在性。最优平稳策略(称为年龄最优策略)是一个随机的简单的政策,两个确定性的政策之间的一个固定的概率随机化。我们证明了这两种确定性策略具有阈值结构,并通过马尔可夫链分析进一步推导出了确定性阈值结构策略的平均AoI和碰撞概率的封闭表达式。该解析表达式提供了一种有效的方法来计算阈值和随机化概率,以形成年龄最优策略。为了进行比较,我们还考虑了吞吐量最大化策略(称为吞吐量最佳策略),并分析了所考虑系统中吞吐量最佳策略下的平均AoI性能。数值模拟结果表明,派生的年龄最优策略的吞吐量最优策略的优越性。我们还揭示了各种系统参数对相应的最优策略和由此产生的平均AoI的影响。
2020-01-08 cs.IT cs.NI math.IT
Minimizing the Age of Information in Wireless Networks with Stochastic Arrivals
我们考虑一个无线网络的基站服务多个流量流到不同的目的地。来自每个流的分组根据随机过程到达基站,并且在单独的(每个流)队列中排队。分组规则控制每个队列中的哪个分组可用于传输。基站在每个时间t决定哪个流服务于对应的目的地。调度决策的目标是保持目的地的信息最新。信息新鲜度由信息年龄(AoI)度量捕获。在本文中,我们推导出一个下界的AoI性能可实现的任何给定的网络下运行的任何搜索纪律。然后,我们考虑了三个常见的随机化规则,并在每个规则下分别设计了一个最优平稳随机化策略和一个最大权重策略。我们的方法使我们能够评估的综合影响的随机到达,排队纪律和调度政策的AOI。我们评估的AOI性能分析和使用模拟。数值结果表明,最大权策略的性能接近分析下限。
2019-05-16 cs.IT cs.NI math.IT
Joint Sampling and Transmission Policies for Minimizing Cost under AoI Constraints
在这项工作中,我们考虑的问题,共同最大限度地减少平均成本的采样和传输状态更新的用户在一个无线信道的平均年龄的信息(AoI)的约束。传输中可能发生错误,并且调度策略必须决定用户是否采样新的分组或尝试重传先前采样的分组。成本包括采样和传输成本。在故障之后对新分组的采样对系统强加了额外的成本。我们制定了一个随机优化问题的平均成本的目标下,平均AoI约束。为了解决这个问题,我们提出了三种调度策略; a)一个动态的政策,即集中式的,需要充分的知识的系统的状态,b)两个固定的随机化的政策,不需要知道的系统的状态。我们利用李雅普诺夫优化理论的工具,以提供动态的政策,我们证明了它的解决方案是任意接近最优的。为了提供随机化的策略,我们利用离散时间马尔可夫链(DTMC)模型的系统。我们为每个随机策略提供了平均AoI及其分布的封闭形式和近似表达式。仿真结果表明,提供选项,以最大限度地减少总的平均成本,以发送旧的数据包的重要性。
2022-11-24 cs.IT cs.NI math.IT
Minimizing Age of Detection for a Markov Source over a Lossy Channel
本文提出新指标检测年龄(AoD)监测有损信道上DTMC源状态转换,构建CMDP并利用拉格朗日MDP和RVI算法优化采样频率,证明其比AoI策略估计误差更低。
2025-03-04 cs.IT eess.SP math.IT
Minimizing Task-Oriented Age of Information for Remote Monitoring with Pre-Identification
针对面向任务通信范式缺乏实用度量指标的问题,提出TAoI指标并应用于无线监控系统,通过SMDP建模转化为MDP,提出低复杂度阈值算法,实验验证其性能优于基线方法。
2025-08-20 cs.IT cs.NI math.IT
Joint Status Sampling and Updating for Minimizing Age of Information in the Internet of Things
时间关键型物联网(IoT)应用的有效运行需要实时报告底层物理过程的最新状态信息。本文考虑了一种实时物联网监控系统,其中物联网设备以采样代价对物理过程进行采样,并以更新代价将状态包发送到给定的目的地。该联合状态采样和更新过程被设计为在每个设备处的平均能量成本约束下最小化目的地节点处的信息的平均年龄(AoI)。这是制定为一个无限的地平线平均成本约束马尔可夫决策过程(CMDP),并转化为一个无约束的MDP使用拉格朗日方法。对于单个IoT设备的情况,CMDP的最优策略被示出为用于无约束MDP的两个确定性策略的随机混合,其为阈值类型。然后,结构感知的优化算法,以获得最佳的CMDP的政策,提出和无线信道动态的影响进行了研究,同时表明,具有较大的平均信道增益和散射较小的信道可以实现更好的AoI性能。对于多个物联网设备的情况,提出了一种低复杂度的分布式次优策略,在目的地进行更新控制,在每个设备进行采样控制。然后,开发在线学习算法来获得该策略,该策略可以在每个IoT设备处实现,并且仅需要来自目的地的本地知识和少量信令。所提出的学习算法几乎必然收敛到次优策略。仿真结果显示了单个物联网设备情况下最优策略的结构特性;并显示了多个物联网设备的建议策略优于零等待基线策略,平均AoI降低高达33%。
2019-07-24 cs.IT cs.NI math.IT
Minimizing the Age of Incorrect Information for Real-time Tracking of Markov Remote Sources
最近引入了错误信息年龄(AoII)以解决标准信息年龄度量(AoI)在实时的【形】监测应用中的缺点。在本文中,我们考虑的问题,根据马尔可夫过程演变的远程源的状态监测。中央调度器在每个时隙选择哪些源应该以最小化不正确信息的平均年龄(MAoII)的方式发送其更新。问题的困难在于调度器在接收更新之前无法知道源的状态,然后必须最佳地平衡开发-探索权衡。我们表明,该问题可以建模为部分可观测马尔可夫决策过程问题的框架。我们开发了一个新的调度方案的基础上Whittle的索引政策。调度决策是通过更新源的状态的置信值来做出的,据我们所知,这在信息时代领域中还没有被考虑过。在这种程度上,我们继续使用拉格朗日松弛方法,并证明了对偶问题有一个最佳的阈值政策。在此基础上,我们证明了这个问题是可索引的,并计算了惠特尔指数的表达式。最后,我们提供了一些数值结果来突出我们的衍生政策相比,经典的AoI度量的性能。
2021-02-05 cs.IT math.IT
Competitive Algorithms for Minimizing the Maximum Age-of-Information
在这篇简短的论文中,我们考虑的问题,设计一个接近最优的竞争调度策略,$N$移动用户,最大限度地提高新鲜度的可用信息均匀地跨越所有用户。由于新兴的5G-mmWave信道对于高速用户的不可靠性和非平稳性,我们放弃了对无线信道和用户移动性的任何统计假设。相反,我们允许信道状态和移动模式由一个无所不知的对手决定。不难看出,在这种对抗模型中,对于相应的吞吐量最大化问题,不存在竞争性调度策略。令人惊讶的是,我们发现存在一个简单的在线分布式调度策略,具有有限的竞争比,以最大限度地提高信息的新鲜度,在这个对抗模型。此外,我们还证明了所提出的政策是竞争最优的$O(\ln N)$因素。
2020-05-12 cs.IT cs.PF math.IT
Minimizing the Age of Information through Queues
在本文中,我们研究调度策略,最大限度地减少年龄的信息在单跳排队系统。我们提出了一个最后生成,第一服务(LGFS)的调度策略,在该策略中,具有最早的生成时间的数据包被处理的最高优先级。如果服务时间是i.i.d.指数分布,抢占LGFS政策被证明是年龄最优的随机排序意义。如果服务时间是i.i.d.并满足一个新的优于使用(NBU)的分布特性,非抢占LGFS政策被证明是在一个恒定的差距从最佳年龄的性能。这些年龄最优性结果是相当普遍的:(i)它们适用于任意分组生成时间和到达时间(包括无序分组到达),(ii)它们适用于多服务器分组调度,具有在多个服务器上复制分组的可能性,(iii)它们不仅适用于最小化时间平均年龄和平均峰值年龄,而且还用于最小化年龄随机过程和年龄随机过程的任何非减泛函。如果分组生成时间等于分组到达时间,则LGFS策略简化为后来先服务(LCFS)策略。因此,年龄最优性结果的LCFS型政策也成立。
2019-04-13 cs.IT math.IT
Optimizing Version Innovation Age for Monitoring Markovian Source in Energy-Harvesting Systems
研究能量收集源实时跟踪两状态马尔可夫过程,将其建模为MDP以最小化平均VIA,证明最优传输策略基于电池电量、源状态和VIA值的阈值,并在多参数下验证了其优于基线策略的性能。
2024-10-15 cs.IT cs.NI cs.SY
Online Learning and Optimization of Markov Jump Affine Models
研究了未知马尔可夫跳仿射模型的在线学习和优化问题。一个在线学习政策,称为马尔可夫同时扰动随机逼近(MSPSA),提出了两个不同的优化目标:(i)二次成本最小化的监管问题和(ii)收入(利润)最大化问题。结果表明,MSPSA的遗憾增长的顺序的平方根的学习视野。利用van Trees不等式证明了任何策略的后悔增长都不慢于MSPSA的后悔增长,从而使MSPSA成为一种阶最优学习策略。此外,它也表明,MSPSA政策收敛到最优控制输入几乎肯定以及在均方意义。仿真结果表明,MSPSA的遗憾增长率,并表明MSPSA可以提供显着的增益比贪婪的确定性等效方法。
2016-05-07 cs.IT math.IT
Hidden Markov Models with Multiple Observation Processes
University of Melbourne(墨尔本大学)
我们考虑一个隐马尔可夫模型与多个观察过程,其中之一是选择在每个时间点的政策-信息状态的确定性函数-并试图确定哪些政策最小化的信息状态的限制预期熵。针对一种特殊情况,我们用解析的方法证明了信息态总是按分布收敛的,并导出了一个极限熵的计算公式,该公式可用于高精度的计算。利用这个公式,我们发现在计算上,最优策略总是一个阈值策略,使得它很容易找到。我们还发现,贪婪策略几乎是最优的。
2011-05-05 cs.IT cs.LG math.IT
Minimizing Age of Incorrect Information over a Channel with Random Delay
University of Maryland(马里兰大学)
本文研究了在随机延迟信道中通过阈值策略最小化错误信息年龄的问题,提出了可计算的相对值迭代算法,并证明了最优策略为阈值τ=1。
2023-02-20 cs.IT math.IT
Minimizing the Age of Incorrect Information of Discrete-Time Markov Sources With Hybrid ARQ
University of Crete(克里特大学);Foundation for Research and Technology – Hellas(希腊研究与技术基金会);University of Maryland(马里兰大学)
本文研究了在具有传输速率约束的噪声通信系统中,通过混合自动重传请求协议分析通用离散时间马尔可夫源的错误信息年龄,并提出基于阈值策略的优化方法。
2026-11-03 cs.IT cs.NI cs.SY
Dual-Regime Absorbing Markov Chain Theory in Remote Estimation: Age-Minimizing Push Policies
University of Maryland, College Park(马里兰大学帕克分校);Bilkent University(比尔肯特大学)
针对远程估计系统,提出一种基于双态吸收马尔可夫链(DR-AMC)的方法,优化语义感知信息新鲜度指标AoII,推导多阈值推送策略,最小化AoII多项式函数时间平均与传输能耗的加权和。
2026-07-01 cs.IT cs.NI cs.SY
Minimizing the Age of Incorrect Information for Unknown Markovian Source
信息最小化问题在实时监控应用框架中得到了广泛的研究。在本文中,我们考虑的问题,监测未知的远程源的状态,根据马尔可夫过程的演变。中央调度器在每个时隙决定是否调度源,以便以最小化不正确信息的平均年龄(MAoII)的方式接收新的状态更新。当调度器知道源参数时,我们将最小化问题表示为MDP问题。然后,我们证明了最优解是一个基于阈值的政策。当源的参数未知时,问题的困难在于找到一个在开发和探索之间具有良好权衡的策略。事实上,我们需要提供一种由调度器实现的算法,该算法联合估计未知参数(探索)并最小化MAoII(利用)。然而,考虑到我们的系统模型,我们只能探索源,如果监控器决定调度它。然后,应用贪婪的方法,我们冒着确定地停止探索过程的情况下,在特定的时间,我们最终得到的马尔可夫源的参数的估计,相应的最佳解决方案是永远不会传输。在这种情况下,我们不能再提高我们的未知参数的估计,这可能会显着降低算法的性能。为此,我们开发了一种新的学习算法,它在探索和开发之间提供了良好的平衡,以避免这个主要问题。然后,我们从理论上分析了我们的算法的性能相比,一个精灵的解决方案,证明在时间T的遗憾界是log(T)。最后,我们提供了一些数值结果来突出我们的衍生政策相比,贪婪的方法的性能。
2022-10-18 cs.IT math.IT math.OC
Optimal Source Coding of Markov Chains for Real-Time Remote Estimation
University of Maryland, College Park(马里兰大学帕克分校)
针对传输与状态转换同尺度的马尔可夫链信源编码问题,提出基于最后传输符号及传输时长的最优MDP策略,有效降低平均传输时长。
2025-11-04 cs.IT eess.SP math.IT
Optimizing Age-of-Information in Adversarial and Stochastic Environments
我们设计了有效的在线调度策略,以最大限度地提高信息的新鲜度,在对抗和随机信道和移动性的假设下,在蜂窝网络中提供给用户。通过最近提出的度量-信息量(AoI)的镜头,通过政策实现的信息新鲜度进行了调查。我们表明,一个自然的贪婪调度政策是竞争对手的任何最佳离线政策,在对抗性设置中最小化的AoI。我们还得到了普遍的竞争比的下限,可实现的任何在线政策的对抗框架。在随机设置中,我们表明,一个简单的索引策略是接近最优的平均AOI最小化在两个不同的流动性的情况下。此外,我们证明了贪婪的调度策略,最大限度地减少峰值AOI的静态用户在随机设置。仿真结果表明,所提出的策略在现实条件下表现良好。
2022-06-11 cs.IT cs.PF math.IT