面向设备到设备网络的面向年龄信息的概率链路调度

本文聚焦于通过面向年龄信息的链路调度优化设备到设备 (D2D) 网络中长期平均年龄信息 (AoI)。该问题自然形式化为马尔可夫决策过程 (MDP)。然而，由于 D2D 链路的 AoI 动态相互交织，求解原始形式下的 MDP 最优策略具有挑战。为此，我们提出一种面向年龄信息的 stationary randomized 策略，该策略根据所有链路的 AoI 以及所有收发器之间的统计信道状态信息，在每个时隙中确定调度每个链路的概率。通过采用 Lyapunov 优化框架，我们的策略旨在最小化每个时際的 Lyapunov 漂移。尽管如此，由于 D2D 网络中链路间的相互干扰，此 per-slot 最小化问题是非凸的，这对实时决策提出了重大挑战。After 分析 optimal solution 的 permutation 等价性属性后，我们应用消息传递神经网络 (MPNN)，即一种具有 permutation 等价性的图神经网络，对 per-slot 问题进行无监督学习优化。仿真结果表明，所提出的面向年龄信息的 stationary randomized 策略在基线方法之上表现出优越性能，并验证了该方法的可扩展性。