Zakazivanje protiv starenja u redovima na jednom serveru: Sistematska i uporedna studija, 2. dio
Jul 25, 2023
V. POLITIKE TEMELJENE NA AOI
U odjeljku IV smo pokazali da politike zasnovane na veličini postižu bolje prosječne performanse AoI/PAoI od politika koje nisu zasnovane na veličini. Međutim, politike zasnovane na veličini ne koriste informacije o vremenu dolaska, koje također igraju važnu ulogu u smanjenju AoI. U ovom odjeljku predlažemo tri G politike raspoređivanja zasnovane na AoI, koje koriste i veličinu ažuriranja i informacije o vremenu dolaska kako bi smanjile AoI. Naši rezultati simulacije pokazuju da ove politike zasnovane na AoI nadmašuju politike koje nisu zasnovane na AoI.
Glikozid cistanche takođe može povećati aktivnost SOD u tkivima srca i jetre, te značajno smanjiti sadržaj lipofuscina i MDA u svakom tkivu, efikasno hvatajući različite reaktivne radikale kisika (OH-, H₂O₂, itd.) i štiteći od oštećenja DNK uzrokovanih od strane OH-radikala. Cistanche feniletanoidni glikozidi imaju jaku sposobnost uklanjanja slobodnih radikala, veću redukcijsku sposobnost od vitamina C, poboljšavaju aktivnost SOD u suspenziji sperme, smanjuju sadržaj MDA i imaju određeni zaštitni učinak na funkciju spermatozoida. Cistanche polisaharidi mogu pojačati aktivnost SOD i GSH-Px u eritrocitima i plućnim tkivima eksperimentalno starenja miševa uzrokovanih D-galaktozom, kao i smanjiti sadržaj MDA i kolagena u plućima i plazmi, te povećati sadržaj elastina. dobar učinak čišćenja na DPPH, produžava vrijeme hipoksije kod starijih miševa, poboljšava aktivnost SOD u serumu i odlaže fiziološku degeneraciju pluća kod eksperimentalno starenja miševa. i ima potencijal da bude lijek za prevenciju i liječenje bolesti starenja kože. U isto vrijeme, ehinakozid u Cistancheu ima značajnu sposobnost uklanjanja slobodnih radikala DPPH i sposobnost uklanjanja reaktivnih vrsta kisika i sprječavanja degradacije kolagena izazvane slobodnim radikalima, a također ima dobar učinak popravljanja oštećenja anjona slobodnih radikala timina.

Kliknite na Cistanche Portugal
【Za više informacija:george.deng@wecistanche.com / WhatApp:86 13632399501】
Počinjemo s definicijama tri politike zasnovane na AoI koje pokušavaju optimizirati AoI u određenom trenutku budućnosti iz tri različite perspektive:
• Najranije ispuštanje AoI-a (ADE): Kada se server oslobodi, on odabire posluživanje ažuriranja tako da, nakon što se isporuči, AoI ispadne što je prije moguće.
• AoI pad na najmanji (ADS): Kada se server oslobodi, on bira da servira ažuriranje tako da nakon što je isporučeno, AoI pada na što manju vrijednost.
• Najviše ispuštanja AoI (ADM): Kada se server oslobodi, on bira da servira ažuriranje tako da nakon što se isporuči, AoI pada što je više moguće.
Ako su sva ažuriranja koja čekaju u redu zastarjela, gornja pravila odabiru posluživanje ažuriranja s najmanjom veličinom.
Iako su sve ove politike zasnovane na AoI prilično intuitivne, ponašaju se vrlo različito. Da bismo objasnili razlike između ovih politika zasnovanih na AoI, predstavljamo primjer na slici 7 da pokažemo kako se AoI razvija pod ovim politikama. Pretpostavimo da kada se (i−1)st ažuriranje servira, tri nova ažuriranja (tj., ith, (i plus 1)st, i (i plus 2) i ažuriranja) stižu u nizu u vremenima ti, ti plus 1 , i ti plus 2, respektivno. Veličine ovih ažuriranja zadovoljavaju S i < S i plus 1 < S i plus 2. Kada se server oslobodi nakon što završi posluživanje (i − 1) prvog ažuriranja u vrijeme t I 0−1, ADE, ADS i ADM biraju da služe i-ti, (i plus 1)-i i (i plus 2) i ažuriranja, respektivno. To je zato što serviranje i-tog ažuriranja dovodi do najranijeg pada AoI u vrijeme t I 0 (prateći crvenu krivulju), posluživanje (i plus 1)-og ažuriranja vodi do pada AoI na najmanji u trenutku t I 0 plus 1 (prati plavu krivu), a serviranje (i plus 2) i ažuriranje vodi do najvećeg pada AoI u trenutku t I {{20}} plus 2 (prateći zelenu krivulja). ADE, ADS i ADM imaju za cilj da optimizuju AoI u određenom trenutku budućnosti (tj. buduće vreme isporuke odabranog ažuriranja) sa različitim kratkovidnim ciljevima. Imajte na umu da na prvi pogled ADS i ADM mogu izgledati isto. Zaista, oni bi bili ekvivalentni da su se događaji pada AoI dogodili u isto vrijeme. Međutim, ove dvije politike se razlikuju jer trenutci vremena u kojima AoI pada nisu nužno isti (npr. t I 0 plus 1 naspram t I 0 plus 2 na slici 7). Osim toga, ADE i SJF također mogu izgledati isto na prvi pogled. Zaista, ove dvije politike bi donijele istu odluku (tj. odabrali bi najmanje ažuriranje koje će poslužiti) kada najmanje ažuriranje dovede do pada AoI-a. Međutim, oni donose različite odluke kada najmanja nadogradnja ne dovede do pada AoI-a. Primjer je dat na slici 8 kako bi se ilustrovala ključna razlika. Na slici 8, nakon što (i − 1) prvo ažuriranje završi uslugu u trenutku t I 0−1, dva ažuriranja čekaju da budu servirana: (n−2) i ažuriranje i i-to ažuriranje. Pretpostavimo da veličina ažuriranja i vrijeme dolaska ova dva ažuriranja zadovoljavaju sljedeće: S i−2 < SI i ti−2 < ti−1 < ti. ADE odabire poslužiti i-to ažuriranje koje dovodi do ranijeg pada AoI (vidi sliku 8(a)), dok SJF odabire poslužiti (i − 2) i ažuriranje koje ima manju veličinu (vidi sliku 8(b) ).

Zatim provodimo opsežne simulacije kako bismo istražili učinak AoI ovih politika zasnovanih na AoI. Na slici 9, predstavljamo rezultate simulacije prosječne performanse AoI politika zasnovanih na AoI u poređenju sa reprezentativnom politikom zasnovanom na vremenu dolaska (tj. LCFS) i reprezentativnom politikom zasnovanom na veličini (tj. SJF). Sve politike koje se ovdje razmatraju nisu preventivne; o preventivnim slučajevima će se raspravljati u Odjeljku VI.
Na slici 9(a) primjećujemo da je većina politika zasnovanih na AoI nešto bolja od politika koje nisu zasnovane na AoI, iako su njihove performanse vrlo bliske. Među politikama zasnovanim na AoI, ADE je najbolji, ADM je najgori, a ADS je između. Ovo nije iznenađujuće da je ADM najgori: iako ADM ima najveći pad AoI, to je po cijenu da će možda morati pričekati dok AoI prvo ne postane veliki. ADE kao najbolji sugeriše da je davanje većeg prioriteta malim ažuriranjima (tako da AoI padne što je pre moguće) dobra strategija. Na sl. 9(b) i 9(c), mogu se napraviti slična zapažanja za veličinu ažuriranja nakon Weibullove distribucije.
Gornja zapažanja vode do sljedeće smjernice:
Smjernica 4. Iskorištavanje veličine ažuriranja i informacija o vremenu dolaska može dodatno poboljšati AoI performanse. Međutim, korist se čini marginalnom.

VI. PREVENTIVNA, INFORMATIVNA, POLITIKA ZASNOVANA AOI
U odjeljku IV primijetili smo da preventivne politike imaju nekoliko prednosti i imaju bolji učinak od politika koje nisu preventivne. U ovom odeljku prvo pokazujemo da politike koje daju prioritet informativnim ažuriranjima (tj. one koje mogu dovesti do pada AoI-a kada se isporuče) imaju bolje rezultate od neinformativnih politika. Zatim, integracijom smjernica koje imamo, razmatramo preventivne, informativne politike zasnovane na AoI i procjenjujemo njihove performanse kroz simulacije.
A. Informativne politike
Što se API-ja tiče, postoje dvije vrste ažuriranja: informativna ažuriranja i neinformativna ažuriranja [24]. Informativna ažuriranja dovode do pada AoI-a kada se jednom isporuče, dok neinformativna ažuriranja ne. U nekim aplikacijama, kao što su autonomna vozila i kotacije dionica, razumno je odbaciti neinformativna ažuriranja (koja ne pomažu u smanjenju AoI-a, ali mogu blokirati nova ažuriranja). U ovom pododjeljku predstavljamo "informativne" verzije različitih politika, koje daju prioritet informativnim ažuriranjima i odbacuju neinformativna ažuriranja. Zatim, koristimo rezultate simulacije da pokažemo da informativne politike općenito imaju bolje prosječne AoI/PAoI performanse od originalnih (neinformativnih). Nadalje, rigorozno dokazujemo da je u G/M/1 redu čekanja informativna verzija LCFS stohastički bolja od originalne LCFS politike.
Koristimo π_I da označimo informativnu verziju3 politike π. Sve politike rasporeda koje smatramo imaju svoje informativne verzije. U nekim slučajevima, informativna verzija je jednostavno ista kao originalna politika (npr. FCFS i LCFS_P).
3 Radi jednostavnosti, izostavljamo dodatni "_" u nazivu politike ako je politika π preventivna politika koja se završava sa "_P". Na primjer, koristimo LCFS_PI da označimo informativnu verziju LCFS_P.

Na slici 11 prikazujemo rezultate simulacije prosječne performanse AoI nekoliko informativnih politika u poređenju sa njihovim neinformativnim kolegama. Da bismo procijenili korist od informativnih politika, crtamo informativni AoI dobitak, koji je omjer razlike između prosječnog AoI neinformativne verzije i informativne verzije i prosječnog AoI neinformativne verzije. Dakle, veća informativna dobit znači i veću korist od informativne verzije. Jedno važno zapažanje sa slike 11 je sljedeće.
Opažanje 8.Informativne politike postižu bolje prosječne performanse AoI od njihovih neinformativnih kolega. Informativni dobitak je veći za politike bez prevencije i povećava se kako se opterećenje sistema povećava.
Intuitivno se očekuje da će informativne politike nadmašiti svoje neinformativne kolege jer posluživanje neinformativnih ažuriranja ne može smanjiti AoI, ali može blokirati nova ažuriranja. Rezultati simulacije potvrđuju ovu intuiciju jer informativni AoI dobitak uvijek nije negativan. Drugo, možemo vidjeti da većina politika koje nisu preventivne (npr. RANDOM, LCFS i SJF) imaju više koristi od davanja prioriteta informativnim ažuriranjima. Treće, kako se opterećenje sistema ρ povećava, informativni AoI dobitak se povećava prema većini razmatranih politika, posebno onim koje nisu preventivne. To je zato što kako se opterećenje sistema povećava, tako se povećava i broj neinformativnih ažuriranja, što ima veći negativan utjecaj na performanse AoI-a za politike koje nisu preventivne, neinformativne.

Opažanje 8 vodi do sljedeće smjernice:
Smjernica 5. Server treba dati prioritet informativnim ažuriranjima i odbaciti neinformativna ažuriranja kada je to dozvoljeno.
Na osnovu zapažanja 8, pretpostavljamo da je informativna politika jednako dobra kao i njen neinformativni pandan. Kao preliminarni rezultat, dokazujemo da je ova pretpostavka zaista istinita za LCFS u redu G/M/1. U nastavku uvodimo pojam stohastičkog uređenja, koji će se koristiti u iskazu Propozicije 1.
Definicija 2. Stohastičko uređenje stohastičkih procesa [25, Ch.6.B.7]: Neka je {X(t), t ∈ [0, ∞)} i {Y(t), t ∈ [{ {5}}, ∞)} su dva stohastička procesa. Tada se kaže da je {X(t), t ∈ [0, ∞)} stohastički manji od {Y(t), t ∈ [0, ∞)}, označen sa {X (t), t ∈ [0, ∞)} Manje ili jednako st{Y(t), t ∈ [0, ∞)}, ako je za sve izbore cijelog broja n i t1 < t2 < · · · < tn u [0, ∞), za sve gornje skupove4 SU ⊆ R n vrijedi sljedeće:

gdje je X~ , (X(t1), X(t2), · · ·, X(tn)) i Y~, (Y(t1), Y(t2), · · ·, Y(tn)). Stohastička jednakost se može definisati na sličan način i označava se sa {X(t), t ∈ [0, ∞)}=st{Y(t), t ∈ [0, ∞ )}.
Grubo govoreći, (2) implicira da je manja vjerovatnoća da će X~ nego Y~ poprimiti velike vrijednosti, gdje "velika" znači bilo koju vrijednost u gornjem skupu S U. Također koristimo ∆π(t) da označimo AoI proces pod politika π. Nadalje, definiramo skup parametara I={n, (ti) n i=1 }, gdje je n broj ažuriranja, a ti je vrijeme generiranja ažuriranja i. Imajući ove definicije i oznake, sada smo spremni da iznesemo Propoziciju 1.

Propozicija 1. U redu G/M/1, za sve, I, AoI pod LCFS_I je stohastički manji od onog pod LCFS, tj. Dokaz. Podsjetimo da koristimo ti i t I 0 da označimo vrijeme dolaska i vrijeme isporuke i-tog ažuriranja, respektivno. Osim toga, koristimo ga da označimo vrijeme početka usluge i-tog ažuriranja.
![]()
Definiramo stanje sistema u trenutku t pod polisom π kao S π(t), Uπ(t), gdje je Uπ (t) najveće vrijeme dolaska ažuriranja koja su dostavljena prema politici π do vremena t. Neka je {S π(t), t ∈ [0, ∞)} proces stanja prema politici π. Po definiciji AoI, (3) vrijedi ako vrijedi sljedeće:
![]()
Zatim, dokazujemo (4) kontradikcijom kroz argument za sprezanje. Pretpostavimo da stohastički procesi ˆS LCFS_I (t) i ˆS LCFS (t) imaju iste stohastičke zakone kao S LCFS_I (t) i S LCFS (t), respektivno. Spajamo ˆS LCFS_I (t) i ˆS LCFS (t) na sljedeći način: Ako je ažuriranje i isporučeno u t I 0 u ˆS LCFS(t), tada je ažuriranje j služi u t I 0 (ako postoji) u ˆS LCFS_I(t) se također isporučuje u isto vrijeme. Ovo spajanje je razumno jer: (i) Ažuriranja koja se serviraju u ˆS LCFS_I(t) nisu odabrana na osnovu veličine ažuriranja; (ii) servisno vrijeme ažuriranja u ˆS LCFS_I (t) i ˆS LCFS (t) je eksponencijalno raspoređeno i ima svojstvo bez memorije. Teorema 6.B.30 u [25], (4) vrijedi ako vrijedi sljedeće:

U nastavku želimo pokazati da ˆS LCFS{{0}}I (t) veće ili jednako ˆS LCFS (t) vrijedi uslovno na proizvoljnoj putanji uzorka I, što trivijalno implicira (5). Dokazujemo to kontradikcijom. Radi kontradikcije, pretpostavimo da se ˆS LCFS_I(t) < ˆS LCFS(t) desi i da se to dešava prvi put u trenutku t0 (pogledajte sliku 13 za ilustraciju ). Neka su m i n indeks servisiranih ažuriranja sa najvećim vremenom dolaska za t0 u ˆS LCFS_I(t) i ˆS LCFS(t), respektivno. Zatim, imamo ULCFS_I(t{{10}})=tm i ULCFS(t0)=tn. Imajte na umu da imamo i tm < tn zbog ˆS LCFS_I(t0) < ˆS LCFS(t0) (tj. ULCFS_I(t{ {18}}) < ULCFS(t{{20}})). Budući da je t0 prvi put kada se dogodi ˆS LCFS_I(t) < ˆS LCFS(t), ključno zapažanje je da t0 mora biti odmah nakon isporuke ažuriranja u ˆS LCFS(t). Dakle, imamo t0=(t 0n ) plus , gdje (t 0n ) plus označava vrijeme neposredno nakon t 0n .
Zbog sprege između ˆS LCFS(t) i ˆS LCFS{{0}}I(t), postoje dva slučaja u ˆS LCFS_I(t): 1) Server se mirovanje u t 0n; 2) ažuriranje se isporučuje i na t 0n. Ova dva slučaja razmatramo odvojeno i pokazujemo da postoji kontradikcija u oba slučaja.
Slučaj 1): Server u ˆS LCFS_I(t) je neaktivan u t 0n (vidi sliku 13(a)). Zatim, najskorije isporučeno ažuriranje u ˆS LCFS_I(t) (tj. m-to ažuriranje) mora biti isporučeno prije t 0n. Dakle, imamo t 0m < t 0n i da server u ˆS LCFS_I(t) ostaje u stanju mirovanja tokom (t 0m, t {{10}}n ]. Tada je server u ˆS LCFS_I(t) mogao početi da servira novije ažuriranje koje stiže kasnije od m-tog ažuriranja odmah nakon t 0m. ( Takvo novije ažuriranje mora postojati jer je n-to ažuriranje validan kandidat zbog tm < tn.) Ovo rezultira kontradikcijom sa serverom koji je neaktivan tokom (t'm, t'n ).

Slučaj 2): Ažuriranje se isporučuje u t 0n u ˆS LCFS_I(t). Ovo isporučeno ažuriranje je mjesečno ažuriranje. Imajte na umu da moramo imati sm < tn. To je zato što ako je sm veće ili jednako tn, tada bi server u ˆS LCFS_I(t) odabrao da posluži n-to ažuriranje ili novije ažuriranje koje stiže kasnije od tn u vrijeme sm pošto je ovo odabrano ažuriranje je novije (zbog tm < tn). Postoje dva podslučaja za server u ˆS LCFS(t) u trenutku sm: 2a) Neaktivan; 2b) zauzet. Opet, razmatramo ova dva podslučaja odvojeno i pokazujemo da postoji kontradikcija u oba slučaja.
Slučaj 2a): Server u ˆS LCFS(t) je neaktivan u trenutku sm (vidi sliku 13(b)). U ovom slučaju, mth ažuriranje mora već biti isporučeno do vremena sm u ˆS LCFS(t). U suprotnom, server u ˆS LCFS(t) bi počeo da servira mth ažuriranje (ili novije ažuriranje) na ili prije sm. Ovo implicira da se ˆS LCFS_I(t) < ˆS LCFS(t) dešava prije sm, što rezultira u kontradikciji s tim da je t0 prvi put kada je ˆS LCFS_ Događa se I(t) < ˆS LCFS(t).
Slučaj 2b): Server u ˆS LCFS(t) je zauzet u trenutku sm (vidi sliku 13(c)). Pretpostavimo da se l-to ažuriranje servira na sm u ˆS LCFS(t). U ovom slučaju, l-to ažuriranje mora biti isporučeno do vremena sn u ˆS LCFS(t). To je zato što n-to ažuriranje počinje uslugu u sn u ˆS LCFS(t). Zatim, mth ažuriranje također mora biti isporučeno do vremena sn u ˆS LCFS_I(t), zbog sprege između ˆS LCFS(t) i ˆS LCFS_I(t). Ovo rezultira kontradikcijom da se mth ažuriranje isporučuje u deset.
Kombinujući sve slučajeve, pokazujemo da ˆS LCFS_I (t) veće ili jednako ˆS LCFS (t) važi uslovno na proizvoljnoj putanji uzorka I. Ovo trivijalno implicira (5), što dalje implicira (4 ) prema teoremi 6.B.30 u [25]. Ovim je dokaz završen.
B. Preventivne, informativne politike zasnovane na AoI
Do sada smo pokazali prednosti preventivnih politika, politika zasnovanih na AoI i informativnih politika. U ovom pododjeljku želimo integrirati sve ove tri ideje i predložiti preventivne, informativne politike zasnovane na AoI.
Prvo razmatramo preventivnu, informativnu verziju tri pravila zasnovana na AoI: ADE_PI, ADS_PI i ADM_PI. Zanimljivo je da možemo pokazati ekvivalenciju između ADE_PI i SRPT_I (tj. informativne verzije SRPT) i između ADE_I i SJF_I (tj. , informativna verzija ADE i SJF, respektivno) u smislu putanje uzorka. Ovi rezultati su navedeni u Propozicijama 2 i 3.
Prijedlog 2.ADE_PI i SRPT_I su ekvivalentni u svakoj putanji uzorka.
Dokaz. Koristimo snažnu indukciju da dokažemo da pod istom putanjom uzorka, ADE_PI i SRPT_uvijek biram isto ažuriranje za posluživanje u isto vrijeme. U nastavku razmatramo samo informativna ažuriranja jer se neinformativna ažuriranja odbacuju i pod ADE_PI i SRPT_I.

Pretpostavimo da kada ADE_PI treba da izabere n-to ažuriranje koje će poslužiti u vrijeme tADE_PI (n), on bira ažuriranje sa indeksom dADE_PI (n). Slično, SRPT_I bira ažuriranje sa indeksom dSRPT_I (n) kao svoje n-to ažuriranje koje će služiti na tSRPT_I (n).
Tvrdnja: ADE_PI i SRPT_Uvijek služim isto ažuriranje u isto vrijeme, tj. (dADE_PI(n), tADE_PI(n) ))=(dSRPT_I(n), tSRPT_I(n)) za sve n.
Osnovni slučaj: Kada je n=1, i ADE_PI i SRPT_obavljam prvo ažuriranje kada stigne. Dakle, imamo (dADE_PI(1), tADE_PI(1))=(dSRPT_I(1), tSRPT_ I(1)).
Korak indukcije: Pretpostavimo da za n=k (k veće od ili jednako 1), imamo (dADE_PI(m), tADE_PI(m)) {{ 4}} (dSRPT_I(m), tSRPT_I(m)) za m-to ažuriranje za sve 1 Manje ili jednako m Manje ili jednako k. Želimo pokazati da (dADE_PI(n), tADE_PI(n))=(dSRPT_I(n), tSRPT{{12} }I(n)) još uvijek vrijedi za n=k plus 1. Imajte na umu da postoje dva slučaja za (k plus 1)st ažuriranje: 1) (k plus 1)st ažuriranje preduhitri k-to ažuriranje; 2) (k plus 1). ažuriranje ne isključuje k-to ažuriranje, tj. (k plus 1). ažuriranje počinje uslugu iz stanja mirovanja ili odmah nakon što je k-to ažuriranje isporučeno. Razgovaramo o ova dva slučaja odvojeno i pokazujemo da (dADE-PI(k plus 1), tADE-PI(k plus 1))=(dSRPT_I(k plus 1), tSRPT{{ 26}}I(k plus 1)) vrijedi u oba slučaja.
Slučaj 1): (k plus 1)st ažuriranje preduhitrije k-to ažuriranje. Tokom servisa k-tog ažuriranja stiže (k plus 1)-o ažuriranje. Pod ADE_PI, kako bi AoI ispao što je prije moguće, server upoređuje preostalo servisno vrijeme k-tog ažuriranja sa originalnim servisnim vremenom (k plus 1)-og ažuriranja i bira da posluži ažuriranje sa manje preostalo servisno vrijeme. Ovo je isto što i SRPT_ja radim. Dakle, imamo (dADE−PI(k plus 1), tADE−PI(k plus 1))=(dSRPT_I(k plus 1), tSRPT_I( k plus 1))
Slučaj 2): (k plus 1). ažuriranje ne isključuje k-to ažuriranje. S jedne strane, ako (k plus 1) prvo ažuriranje započne uslugu iz stanja mirovanja, tada prema hipotezi indukcije, i ADE_PI i SRPT_završavam posluživanje k-tog ažuriranja na u isto vrijeme, a zatim proći kroz period mirovanja. Prema tome, ADE_PI i SRPT_I će takođe poslužiti isto (k plus 1)-o ažuriranje u isto vreme, tj. (dADE-PI(k plus 1), tADE-PI( k plus 1))=(dSRPT_I(k plus 1), tSRPT_I(k plus 1)). S druge strane, ako (k plus 1) prvo ažuriranje počne servisirati odmah nakon servisa k-tog ažuriranja, tada ću prema indukcijskoj hipotezi ADE_PI i SRPT_početi servis na isto vrijeme, tj. tADE_PI (k plus 1) =tSRPT_I (k plus 1). SRPT_Odabrat ću (k plus 1) prvo ažuriranje sa najkraćom preostalom veličinom. Međutim, ovo odabrano (k plus 1) ažuriranje ne mora prije biti servirano. U suprotnom, ovo ažuriranje više nije informativno, već je preuzeto drugim ažuriranjem. Dakle, SRPT_I na kraju bira ažuriranje sa najkraćom originalnom veličinom, koju će također odabrati ADE_PI. Ovo implicira dADE_PI (k plus 1)=dSRPT_I (k plus 1). Dakle, imamo (dADE−PI(k plus 1), tADE−PI(k plus 1))=(dSRPT_I(k plus 1), tSRPT_I( k plus 1)).

Prijedlog 3.ADE_I i SJF_I su ekvivalentni u svakoj putanji uzorka.
Dokaz. Slično dokazu Propozicije 2, koristimo snažnu indukciju da pokažemo da pod istom putanjom uzorka, ADE_I i SJF_uvijek biram isto ažuriranje za posluživanje u isto vrijeme. Ovdje također razmatramo samo informativna ažuriranja.
Pretpostavimo da kada ADE_I treba da odaberem n-to ažuriranje koje će poslužiti u vrijeme tADE_I (n), ono bira ažuriranje sa indeksom dADE_I (n). Slično, SJF_I bira ažuriranje sa indeksom dSJF_I (n) kao svoje n-to ažuriranje koje će služiti na tSJF_I(n).
Tvrdnja: ADE_I i SJF_Uvijek služim isto ažuriranje u isto vrijeme, tj. (dADE-I(n), tADE-I(n))=( dSJF−I(n), tSJF−I(n)) za sve n.
Osnovni slučaj: Kada je n=1, i ADE_I i SJF_obavljam prvo ažuriranje kada stigne. Dakle, imamo (dADE−I(1), tADE−I(1))=(dSJF−I(1), tSJF−I(1)).
Korak indukcije: Pretpostavimo da za n=k (k veće od ili jednako 1), imamo dADE−I(m), tADE−I(m))=(dSJF−I(m) ), tSJF−I(m)). za m-to ažuriranje za 1 Manje ili jednako m Manje ili jednako k. Želimo pokazati da dADE−I(n), tADE−I(n))=(dSJF−I(n), tSJF−I(n)) još uvijek vrijedi za n=k plus 1. Imajte na umu da postoje dva slučaja za (k plus 1) prvo ažuriranje: 1) (k plus 1) prvo ažuriranje pokreće uslugu iz stanja mirovanja; 2) (k plus 1) prvo ažuriranje počinje sa servisom odmah nakon što je isporučeno k-to ažuriranje. Razgovaramo o ova dva slučaja odvojeno i pokazujemo da dADE−I(k plus 1), tADE−I(k plus 1))=(dSJF−I(k plus 1), tSJF−I(k plus 1) ) važi u oba slučaja.
Slučaj 1): (k plus 1) prvo ažuriranje pokreće uslugu iz stanja mirovanja. Prema indukcijskoj hipotezi, i ADE_I i SJF_I istovremeno završavaju serviranje k-tog ažuriranja, a zatim prolazim kroz period mirovanja. Prema tome, ADE_I i SJF_I će takođe služiti isto (k plus 1)-o ažuriranje u isto vreme, tj. dADE−I(k plus 1), tADE−I(k plus 1))=(dSJF−I(k plus 1), tSJF−I(k plus 1)).
Slučaj 2): (k plus 1) prvo ažuriranje počinje sa servisom odmah nakon što se isporuči k-to ažuriranje. Po hipotezi indukcije, ADE_I i SJF_I će početi servis istovremeno, tj. tADE_I (k plus 1) =tSJF{{ 7}}I (k plus 1). SJF_Odabrat ću (k plus 1) prvo ažuriranje koje ima najmanju veličinu ažuriranja, koje će također odabrati ADE_I pošto ovo ažuriranje može učiniti da AoI ispadne najranije. Ovo implicira dADE_PI (k plus 1)=dSJF_I (k plus 1). Dakle, imamo dADE−I(k plus 1), tADE−I(k plus 1))=(dSJF−I(k plus 1), tSJF−I(k plus 1)).

Propozicije 2 i 3 impliciraju da iako SRPT_I i SJF_I ne slijede eksplicitno dizajn zasnovan na AoI, oni su u suštini politike zasnovane na AoI. Ovo pruža intuitivno objašnjenje zašto politike zasnovane na veličini, kao što su varijante SRPT i SJF, imaju dobre empirijske performanse AoI.
Na slici 14, predstavljamo rezultate simulacije za prosječne performanse AoI preventivnih, informativnih politika zasnovanih na AoI (ADE_PI) u poređenju sa nekoliko drugih politika. Uočavamo da u različitim postavkama koje razmatramo, ADE_PI postiže najbolje AoI performanse. Međutim, u poređenju sa najboljim politikama sa efikasnim kašnjenjem (kao što je SRPT), poboljšanje AoI preventivnih, informativnih politika i politika zasnovanih na AoI je prilično marginalno u okruženjima sa egzogenim dolascima.
VII. ZAKLJUČAK
U ovom radu, sistematski smo proučavali uticaj različitih aspekata politika planiranja na performanse AoI i dali nekoliko korisnih smernica za dizajn AoI efikasnih politika raspoređivanja. Naša studija otkriva da među različitim aspektima politika planiranja, koje smo istražili, davanje prioriteta malim ažuriranjima, omogućavanje preuzimanja usluga i davanje prioriteta informativnim ažuriranjima igraju najvažniju ulogu u dizajnu politika AoIefficient scheduling. Ispostavilo se da uobičajena pravila rasporeda kao što su SRPT i SJF_P i njihove informativne varijante mogu postići vrlo dobre performanse AoI, iako ne donose eksplicitno odluke o rasporedu na osnovu AoI. Ovo se djelimično može objasniti ekvivalentnošću između takvih politika zasnovanih na veličini i nekih politika zasnovanih na AoI. Štaviše, kada AoI zahtjev nije strog ili informacije o veličini ažuriranja nisu dostupne, neke jednostavne politike efikasne odgode (kao što je LCFS_P) su također dobri kandidati za AoI efikasne politike.
Naši nalazi također pokreću nekoliko zanimljivih pitanja koja vrijedi istražiti kao budući rad. Jedan važan pravac je da se teži više teorijskih rezultata mimo rezultata simulacije koje smo dali u ovom radu. Na primjer, bilo bi interesantno vidjeti može li se rigorozno dokazati da bilo koja informativna politika uvijek nadmašuje neinformativnu politiku, što se konzistentno primjećuje u rezultatima simulacije.
DODATAK A DODATNI REZULTATI SIMULACIJE ZA RED G/G/1
Predstavljamo dodatne rezultate simulacije za G/G/1 red na Sl. 16–23. Za sve ove simulacije, pretpostavljamo da vrijeme između dolazaka prati Weibullovu distribuciju sa C 2=10. Na podfiguri (a), pretpostavljamo da veličina ažuriranja prati eksponencijalnu distribuciju sa srednjom 1/µ=1; u podslikama (b) i (c), pretpostavljamo da veličina ažuriranja prati Weibullovu distribuciju sa srednjom 1/µ=1. Imajte na umu da na podslikama (a) i (b) mijenjamo vrijednost opterećenja sistema ρ; na podslici (c), mijenjamo vrijednost C 2 za veličinu ažuriranja dok fiksiramo opterećenje sistema na ρ=0.7. Zapažanja 1–8 se također mogu napraviti za postavljanje reda čekanja G/G/1.
REFERENCE
[1] Z. Liu, L. Huang, B. Li i B. Ji, "Programiranje protiv starenja u redovima na jednom serveru: sistematska i komparativna studija", u Proc. INFOCOM WKSHPS, 2020.
[2] S. Kaul, R. Yates i M. Gruteser, "Status u realnom vremenu: Koliko često treba ažurirati?" u Proc. IEEE INFOCOM, 2012.
[3] S. Wu, X. Ren, S. Dey i L. Shi, "Optimalno planiranje više senzora sa ograničenjem dužine paketa", IFAC-PapersOnLine, vol. 50, br. 1, str. 14 430–14 435, jul 2017.
[4] M. Harchol-Balter, Modeliranje performansi i dizajn računarskih sistema: Teorija čekanja na djelu. Cambridge University Press, 2013.
[5] AM Bedewy, Y. Sun i NB Shroff, "Optimiziranje svježine podataka, protoka i kašnjenja u sistemima za ažuriranje informacija na više servera", u Proc. IEEE ISIT, 2016.
[6] M. Costa, M. Codreanu i A. Ephremides, "Doba informacija sa upravljanjem paketima", u Proc. IEEE ISIT, 2014.
[7] N. Pappas, J. Gunnarsson, L. Kratz, M. Kountouris i V. Angelakis, "Doba informacija iz više izvora sa upravljanjem redovima", u Proc. IEEE ICC, 2015.
[8] ME Crovella, R. Frangioso i M. Harchol-Balter, "Raspored povezivanja na web serverima", Odsjek za kompjuterske nauke Bostonskog univerziteta, Teh. Rep., 1999.
[9] L. Schrage, "Dokaz optimalnosti discipline najkraćeg preostalog vremena obrade", Operations Research, vol. 16, br. 3, str. 687–690, 1968.
[10] DR Smith, "Novi dokaz optimalnosti discipline najkraćeg preostalog vremena obrade", Operations Research, vol. 26, br. 1, str. 197–199, 1978.
[11] M. Harchol-Balter, "Discipline čekanja na čekanje", Wiley Encyclopedia of Operations Research and Management Science, 2010.
[12] A. Kosta, N. Pappas i V. Angelakis, Doba informacija: novi koncept, metrika i alat, 2017.
[13] Y. Sun, I. Kadota, R. Talak i E. Modiano, Age of Information: A New Metric for Information Freshness, 2019.
[14] M. Costa, M. Codreanu i A. Ephremides, "O starosti informacija u sistemima ažuriranja statusa sa upravljanjem paketima", IEEE Trans. Inf. Theory, vol. 62, br. 4, str. 1897–1910, april 2016.
[15] M. Moltafet, M. Leinonen i M. Codreanu, "O starosti informacija u modelima čekanja iz više izvora", IEEE Trans. Commun., vol. 68, br. 8, str. 5003–5017, maj 2020.
[16] SK Kaul, RD Yates i M. Gruteser, "Ažuriranje statusa kroz redove", u Proc. CISS, 2012.
[17] C. Kam, S. Kompella i A. Ephremides, "Uticaj raznolikosti prijenosa poruka na statusnu starost", u Proc. IEEE ISIT, 2014, str. 2411–2415.
[18] E. Najm i E. Telatar, "Ažuriranja statusa u višetokovnom m/g/1/1 preventivnom redu", u IEEE INFOCOM WKSHPS, 2018.
[19] Y. Inoue, H. Masuyama, T. Takine i T. Tanaka, "Opća formula za stacionarnu distribuciju starosti informacija i njena primjena na redove s jednim serverom", arXiv preprint arXiv:1804.06139, 2018. .
[20] R. Talak i E. Modiano, "Raspoređivanje starenja i kašnjenja u sistemima sa jednim serverom", arXiv preprint arXiv:1901.04167, 2019.
[21] R. Devassy, G. Durisi, GC Ferrante, O. Simeone, i E. UysalBiyikoglu, "Vjerovatnoća odlaganja i kršenja vršnog doba u prijenosima kratkih paketa", u Proc. IEEE ISIT, 2018.
[22] Z. Liu, L. Huang, B. Li i B. Ji, "Programiranje protiv starenja u redovima na jednom serveru: Sistematska i komparativna studija", arXiv e-prints, str. arXiv:2003.04271, oktobar 2020.
[23] RD Yates i SK Kaul, "Doba informacija: ažuriranje statusa u realnom vremenu iz više izvora", IEEE Trans. Inf. Theory, vol. 65, br. 3, str. 1807–1827, mart 2019.
[24] C. Kam, S. Kompella i A. Ephremides, "Starost informacija pod nasumičnim ažuriranjima", u Proc. IEEE ISIT, 2013.
[25] M. Shaked i JG Shanthikumar, Stohastički poredci. Springer Science & Business Media, 2007.



【Za više informacija:george.deng@wecistanche.com / WhatApp:86 13632399501】






