Nov, 2018

车联网中的信息新鲜度和完成时间优化

PDF
TL;DR本文研究了实时云应用中基于 IoT 设备更新信息的计算任务调度问题，并提出了基于信息新鲜度和完成时间的调度策略，以及优化这两个指标的凸优化模型和在线算法。模拟实验显示了该算法相比于基线方法的显著改进。
real-time cloud applicationsiot devicesscheduling strategiesage-of-information (aoi) metricjob scheduling
发现论文，激发创造
  • 部分可观测状况下的信息时代协同优化

    该研究探讨了一种去中心化的传输策略，通过利用传感器传输过程和网络拥塞对信息年龄（AoI）的影响，结合基于粒子滤波和强化学习的方法，实现了多代理间的协同最小化预期的 AoI。

    Dec, 2023

  • 利用深度 Q 学习最小化支持雾计算的车联网信息时代

    本文介绍了一种利用数据驱动的方案，优化联网车辆的驾驶路线，以保证信息时延的可信度，利用商用 LTE 网络测量车辆之间的连接延迟，建立连接车辆信息时延模型，在此基础上提出了一种基于 DQN 的算法来确定最优驾驶路线，结果表明该方法可以提高接口保持服务的 AoI 信心水平

    Apr, 2020

  • 基于学习的多个无人机轨迹规划，以最小化 IoT 网络中的 AoI

    应用深度强化学习算法，联合设计无人机的轨迹，以最小化信息的年龄，从而确保基站中接收到的信息是尽可能新鲜和准确的。相比基准方案，该算法平均可降低 25％的信息年龄，并需要少至 50％的能量。

    Sep, 2022

  • 远程推理的及时通信

    分析数据新鲜度对远程推理系统的影响，提出了一种新的选择 - 缓冲区模型和调度策略来降低推理误差并优化信息时效性。

    Apr, 2024

  • 无线网络中基于学习的调度，以提升信息准确性和新鲜度

    通过模拟比较四种标准赌博算法，同时结合分析性保证，我们对多源系统中的调度问题进行了研究，并对任何策略能够达到的累计遗憾下限进行了界定。

    Oct, 2023

  • 广播无线网络中最小化信息时效的调度策略

    本文研究无线广播网络中时间敏感的信息传输，提出了优化最小化网络客户端信息新鲜度的传输调度策略，并实现性能保证。我们在对称网络中表明了最优传输调度策略，而对于一般网络，我们提出了三种低复杂度的调度策略，并据此得出了性能保证，并提出了 Max-Weight 和 Whittle's Index 策略来优化该问题。实验结果表明这两种策略的性能最优。

    Jan, 2018

  • 车联网中基于时延优化的信息动态单播 - 多播调度

    该论文研究了如何通过使用深度强化学习等方法，优化决策，减少信息年龄和传输功率，实现在路边单元（RSU）向车辆提供物理过程的及时更新的车辆网络中，并通过仿真结果展示了 AoI 和功耗之间的有趣的权衡关系。

    Sep, 2022

  • 车联网中优化信息时延尾部以实现超高可靠低延迟通信

    本文针对超可靠低延迟通信下的 Age of Information (AoI) 问题，通过建立 AoI 尾部分布模型和最小化传输功耗方法，在机动车通信网络的环境下有效地提高 URLLC 性能，同时探究确定性和马尔科夫交通规律下传输延时问题

    Dec, 2019

  • 信息价值与时序感知调度在联邦学习中的应用

    提出了一种结合更新年龄（Age of Update）概念和数据 Shapley 指标的调度策略，以提高联邦学习的运行效率。该算法简单且通过模拟验证了其有效性。

    Dec, 2023

  • 基于年龄的移动边缘计算调度：一种深度强化学习方法

    移动边缘计算在实时应用中对信息时效性的重要性提出了新的理解与优化方法，基于马尔可夫决策过程和深度强化学习，将偏知识利用与系统动态建模相结合的算法应用于此问题研究，结果表明算法在多种场景下优于其他基准算法。

    Dec, 2023