Due to flexibility, autonomy and low operational cost, unmanned aerial vehicles (UAVs), as fixed aerial base stations, are increasingly being used as \textit{relays} to collect time-sensitive information (i.e., status updates) from IoT devices and deliver it to the nearby terrestrial base station (TBS), where the information gets processed. In order to ensure timely delivery of information to the TBS (from all IoT devices), optimal scheduling of time-sensitive information over two hop UAV-relayed IoT networks (i.e., IoT device to the UAV [hop 1], and UAV to the TBS [hop 2]) becomes a critical challenge. To address this, we propose scheduling policies for Age of Information (AoI) minimization in such two-hop UAV-relayed IoT networks. To this end, we present a low-complexity MAF-MAD scheduler, that employs Maximum AoI First (MAF) policy for sampling of IoT devices at UAV (hop 1) and Maximum AoI Difference (MAD) policy for updating sampled packets from UAV to the TBS (hop 2). We show that MAF-MAD is the optimal scheduler under ideal conditions, i.e., error-free channels and generate-at-will traffic generation at IoT devices. On the contrary, for realistic conditions, we propose a Deep-Q-Networks (DQN) based scheduler. Our simulation results show that DQN-based scheduler outperforms MAF-MAD scheduler and three other baseline schedulers, i.e., Maximal AoI First (MAF), Round Robin (RR) and Random, employed at both hops under general conditions when the network is small (with 10's of IoT devices). However, it does not scale well with network size whereas MAF-MAD outperforms all other schedulers under all considered scenarios for larger networks.


翻译:由于灵活性、自主性和低运作成本,无人驾驶飞行器(无人驾驶飞行器)作为固定的空军基地站,越来越多地被用作“textit{relays}”,从IOT设备收集时间敏感信息(即状态更新)并将其传送到附近的地面基地站(TBS),信息在地面站得到处理。为了确保向TBS(所有IOT设备)及时发送信息,在两个自动自动自动更新的IOT网络(即IOT设备在UAV[Hop 1]和UAV至TBS[Hop 2]上的最佳时间敏感信息时间安排。为了解决这个问题,我们提出了信息时代(AOI)最晚在二手UAV-Relayed IOT网络(所有IOT装置的所有兼容性MAF-MA系统)最晚时间安排,在UAV(H1)和最大AWO(MA-MAF) 最晚进度列表下,在MAF-MAF-Mo(我们最晚的IMA-R-R) 最晚的IA-R(MAF-ro-ro-la-la-lax) 时间列表在MAF-ro-la-la-lax Fl-lax Fl-ro-la-lax Fl)在三MA-ro-la-la-lax misl-mo-lax Fl-ro-ro-mocal Stal Stal Stal Stal Stal 的M-rol 政策中,在MF-mo-routal-ladal-ladal-lades 期间,在三的MF-ladal-lad-mo-lad-lad-lad-ladal-lad-lad-lad AS AS-lax Procisl ro Prot 期间,在3-lad lad lad 期间,在3-lad lad lad lad lax lad-lad-lad-lad-lad-lad-mo-lad-lad-lad-l-lad-l-lad-lad-l-l-l-l lax lax lax lax

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
专知会员服务
47+阅读 · 2021年6月3日
5G边缘计算的价值机遇
专知会员服务
65+阅读 · 2020年8月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
联邦学习或将助力IoT走出“数据孤岛”?
中国计算机学会
20+阅读 · 2019年3月16日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
carla无人驾驶模拟中文项目 carla_simulator_Chinese
CreateAMind
3+阅读 · 2018年1月30日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
大数据的分布式算法
待字闺中
3+阅读 · 2017年6月13日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
联邦学习或将助力IoT走出“数据孤岛”?
中国计算机学会
20+阅读 · 2019年3月16日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
carla无人驾驶模拟中文项目 carla_simulator_Chinese
CreateAMind
3+阅读 · 2018年1月30日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
大数据的分布式算法
待字闺中
3+阅读 · 2017年6月13日
Top
微信扫码咨询专知VIP会员