信息更新系统中数据新鲜度与更新成本间的最优权衡

在本文中，我们考虑一个离散时间信息更新系统，其中服务提供者可以主动从信息源检索信息以更新其数据，而用户向服务提供者查询数据。一个例子是基于众包感知的应用。为了让用户满意，应用希望向用户提供新鲜数据，其新鲜度由信息年龄（Age-of-Information, AoI）衡量。然而，维持新鲜数据需要应用频繁更新其数据库，这会产生更新成本（例如激励支付）。因此，在需要做出更新决策的服务提供者处，AoI与更新成本之间存在天然的权衡。为刻画此权衡，我们构建了一个优化问题，目标是最小化总成本，即陈旧成本（AoI的函数）与更新成本之和。随后，我们为高效更新策略的设计提供了两条有用准则。遵循这些准则并假设聚合请求到达过程为伯努利过程，我们证明存在一类基于阈值的策略在所有在线策略中最优，从而聚焦于基于阈值的策略类。此外，我们推导了任意基于阈值策略下长期平均成本的闭式公式并求得最优阈值。最后，我们使用合成数据与真实轨迹进行大量仿真，以验证理论结果并展示最优基于阈值策略相对于若干基线策略的优越性能。