面向载体调度的图神经网络鲁棒泛化

无电池传感标签是一种利用串扰技术与标准物联网设备通信的设备，从而以可扩展的方式增强网络的感知能力。对于通信，传感标签依赖由相邻物联网设备提供的未调制载体，调度器协调这种 provisioning 跨网络。载体调度——计算查询所有传感标签的调度，以最小化能耗、频谱利用和延迟——是一个 NP-Hard 优化问题。最近的工作引入了基于学习的调度器，相较于精心构建的启发式方法实现资源节省，能够泛化至最多 60 个节点的网络。然而，我们发现其优势在节点数百甚至上千的网络中会逐渐消退。本文引入 RobustGANTT，这是一个基于图神经网络的调度器，在不重新训练的情况下将泛化提升至 1000 个节点（100 倍的训练拓扑规模）。RobustGANTT 不仅实现了更好的和更一致的泛化，还计算出需要资源最高可降低 2 倍的调度。我们的调度器的平均运行时间为数百毫秒，能够快速响应网络条件的变化。我们的工作不仅改善了大规模串扰网络中的资源利用，还为基于学习的调度提供了宝贵的见解。