一种优化AoI时变代价的在线学习方法

我们考虑通过通信网络对信源进行及时监控的系统，其中信息延迟的代价未知、时变且可能为对抗性。对于单信源监控问题，我们设计了相较于事后最优固定策略具有次线性遗憾(regret)的算法。对于多信源调度问题，我们设计了一种称为Follow-the-Perturbed-Whittle-Leader的新型在线学习算法，并证明其相较于事后最优固定调度策略具有低遗憾，同时保持计算可行性。该算法及其遗憾分析是新颖的，并且对在线restless多臂老虎机问题研究具有独立意义。我们进一步设计了在环境缓慢变化时相较于最优动态策略具有次线性遗憾的算法。最后，我们将算法应用于移动性跟踪问题。我们考虑非平稳与对抗性移动模型，并展示了使用我们的在线学习算法相较于盲目调度策略的性能优势。