面向IoV SPS中最小化AoI的速度与密度感知RRI分析与优化
机器学习
2025-10-13 v1 网络与互联网体系结构
摘要
针对半持续调度（SPS）中车联网（IoV）因数据包碰撞和车辆速度相关的信道不确定性导致的信息年龄（AoI）恶化问题，本文提出了一种基于大语言模型（LLM）和深度确定性策略梯度（DDPG）的优化方法。首先，建立了受车辆速度、车辆密度和资源预留间隔（RRI）影响的AoI计算模型，随后设计了双路径优化方案。DDPG由状态空间和奖励函数引导，而LLM利用上下文学习生成最优参数配置。实验结果表明，LLM在积累少量样本后即可显著降低AoI而无需模型训练，而DDPG方法在训练后能达到更稳定的性能。
引用
@article{arxiv.2510.08911,
title = {Velocity and Density-Aware RRI Analysis and Optimization for AoI Minimization in IoV SPS},
author = {Maoxin Ji and Tong Wang and Qiong Wu and Pingyi Fan and Nan Cheng and Wen Chen},
journal= {arXiv preprint arXiv:2510.08911},
year = {2025}
}
备注
This paper has been submitted to IEEE Communications Letters