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
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
本文研究了在曼哈顿网格车辆间通信网络中，基于信息年龄感知的无线电资源管理问题，通过马尔可夫决策过程的方法，使用长短时记忆模型和深度强化学习技术提出了一种去中心化的策略，实现每个车辆用户设备 - 对之间的最优消耗和信息更新。实证分析表明，所提出的算法能够显著地提高性能。
Aug, 2019
研究内容为在一个稀疏且不规则的交际网络中，调查了信息源如何分配更新速率以实现公平性，并采用高斯过程基于贝叶斯优化方法来解决这个问题。
Oct, 2023
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
考虑到离散时间系统中的资源受限源，通过时变无线信道将其时间敏感的数据传输到目的地。我们开发了一种鲁棒的在线算法，以最小化传输和信息老化成本之和，确保最坏情况下的性能保证。
Mar, 2024
研究上传和下载调度和功率分配的联合问题，通过机器学习和高斯过程回归预测丢失的状态和操作信息，以最小化平均信息新鲜度和传输功率，并利用 Lyapunov drift-plus-penalty 优化框架提出动态控制算法。
Jan, 2021
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
对于具有部分可观察和时变动力学的大规模无线网络，本文研究了一种面向广义干扰约束的无线网络的高效调度算法，其中平均到达率和平均服务率是未知的和非平稳的。我们提出了一种新颖的算法 MW-UCB 用于广义无线网络调度，它基于最大权重策略，并利用滑动窗口上限置信界来学习通道在非平稳情况下的统计特性。在平均服务率的可变性方面满足较弱的假设条件下，MW-UCB 在吞吐量上是最优的。具体而言，只要平均服务率在任何时间段内的总变化量在时间上增长的次线性，我们表明 MW-UCB 可以实现稳定区域任意靠近拥有完全通道统计信息的策略类的稳定区域。大量模拟验证了我们的理论结果，并展示了 MW-UCB 的良好性能。
Aug, 2023
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。