AoI-Minimal Online Scheduling for Wireless-Powered IoT: A Lyapunov Optimization-Based Approach
Notice bibliographique
Résumé
This paper investigates the age of information (AoI)-based online scheduling in multi-sensor wireless powered communication networks (WPCNs) for time-sensitive Internet of Things (IoT). Specifically, we consider a typical WPCN model, where a wireless power station (WPS) charges multiple sensor nodes (SNs) by wireless power transfer (WPT), and then the SNs are scheduled in the time domain to transmit their sampled status information with their harvested energy to a mobile edge server (MES) for decision making. For such a system, we first derive a closed-form expression of the successful data transmission probability in Nakagami-${m}$fading channels. To pursue an efficient online scheduling policy that minimizes the Expected Weighted Sum AoI (EWSAoI) of the system, a discrete-time scheduling problem is formulated. As the problem is non-convex with non-explicit expression of the EWSAoI, we propose a Max-Weight policy based on the Lyapunov optimization theory, which schedules the SNs at the beginning of each time in terms of the one-slot conditional Lyapunov Drift. Simulations demonstrate our presented theoretical results and show that our proposed scheduling policy outperforms other baselines such as the greedy policy and random round-robin (RR) policy. Especially, when the number of SNs is relatively small, the gain achieved by the proposed policy compared to the greedy policy is considerable. Moreover, some interesting insights are also observed: 1) as the number of SNs increases, the EWSAoI also increases; 2) when the transmit power is relatively small, the larger the number of SNs, the smaller the EWSAoI; 3) the EWSAoI decreases with the increment of transmit power of the WPS and then tends to be flat; 4) the EWSAoI increases with the increment of the distance between the SNs and the MES.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».