Real-time monitoring applications have Internet-of-Things (IoT) devices sense and communicate information (status updates) to a monitoring facility. Such applications desire the status updates available at the monitor to be fresh and would like to minimize the age of delivered updates. Networks of such devices may share wireless spectrum with WiFi networks. Often, they use a CSMA/CA based medium access similar to WiFi. However, unlike them, a WiFi network would like to provide high throughputs for its users. We model the coexistence of such networks as a repeated game with two players, an age optimizing network (AON) and a throughput optimizing network (TON), where an AON aims to minimize the age of updates and a TON seeks to maximize throughput. We define the stage game, parameterized by the average age of the AON at the beginning of the stage, and derive its mixed strategy Nash equilibrium (MSNE). We study the evolution of the equilibrium strategies over time, when players play the MSNE in each stage, and the resulting average discounted payoffs of the networks. It turns out that it is more favorable for a TON to share spectrum with an AON in comparison to sharing with another TON. The key to this lies in the MSNE strategy of the AON that occasionally refrains all its nodes from transmitting during a stage. Such stages allow the TON competition free access to the medium.


翻译:实时监测应用软件具有互联网连接装置的感知和向监测设施传递信息(状态更新),这些应用软件希望显示器上提供的最新状况更新是新鲜的,并希望尽可能减少更新的时间;这些装置的网络可以与WiFi网络共享无线频谱;它们通常使用类似于WiFi的基于CSMA/CA的媒体接入。然而,与它们不同的是,一个WiFi网络希望为其用户提供高传输量。我们把这种网络的共存模拟为与两个玩家的重复游戏,一个时代优化网络(AON)和一个吞吐优化网络(TON),其中AON旨在尽可能减少更新的时代,并力求最大限度地增加传输时间。我们定义了舞台游戏,以AON在舞台上的平均年龄参数为参数,并得出其混合战略纳什平衡(MSNENE),我们研究平衡战略的演变过程,当玩MNNE在每一阶段玩MNEE游戏时,以及由此造成的平均折扣报酬。我们把这种平衡战略从一个更有利于将MON升级到另一个阶段的中位。我们定义了它与MON在不定期互换式战略中分享。

0
下载
关闭预览

相关内容

TON:IEEE/ACM Transactions on Networking。 Publisher:IEEE/ACM。 SIT: http://dblp.uni-trier.de/db/journals/ton/
专知会员服务
109+阅读 · 2020年3月12日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Simplifying Graph Convolutional Networks
Arxiv
12+阅读 · 2019年2月19日
Arxiv
19+阅读 · 2018年6月27日
VIP会员
相关资讯
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员