利用相关性源优化信息年龄

我们建立了一个用于无线网络中相关性源及时监控的简单模型。利用该模型,我们研究了在存在相关性的情况下如何优化加权求和平均信息年龄(AoI)。首先,我们讨论了如何找到最优平稳随机化策略,并证明其在一般情况下与最优策略的差距至多相差一个因子 2。接着,我们提出了一种基于 Lyapunov 漂移的最大权重策略,其在实践中优于随机化策略,并证明其与最优策略的差距也至多相差一个因子 2。随后,我们推导了缩放结果,展示了在存在相关性的大型网络中 AoI 的改善情况。我们还表明,对于平稳随机化策略,平均 AoI 的表达式对相关性结构的建模方式具有鲁棒性。最后,针对相关性参数未知且时变的场景,我们提出了一种启发式策略,通过在线学习方式自适应地调整其调度决策。我们还提供了数值仿真以支持我们的理论结果。