一种用于改善任务关键型物联网中信息年龄的深度强化学习方法
网络与互联网体系结构
2023-11-27 v1 信号处理
摘要
新兴的任务关键型物联网(IoT)在远程医疗、触觉交互和工业自动化中发挥着至关重要的作用,其中状态更新的及时传递至关重要。信息年龄(AoI)是一种在目的地捕获和评估信息新鲜度的有效指标。仅基于平均AoI优化的系统设计可能不足以满足任务关键型应用的需求,因为平均会消除极端事件的影响。在本文中,我们引入了一种基于深度强化学习(DRL)的算法来改善任务关键型IoT应用中的AoI。目标是最小化一个基于AoI的指标,该指标由平均AoI与超过AoI阈值的概率的加权和组成。我们利用actor-critic方法来训练算法以获得优化调度策略,从而解决所述问题。我们所提方法的性能在仿真设置中得到评估,结果显示与相关工作相比,平均AoI和AoI违例概率均有显著改善。
引用
@article{arxiv.2311.13861,
title = {A Deep Reinforcement Learning Approach for Improving Age of Information in Mission-Critical IoT},
author = {Hossam Farag and Mikael Gidlund and Cedomir Stefanovic},
journal= {arXiv preprint arXiv:2311.13861},
year = {2023}
}