Tiedon tuoreuden optimointi ja semanttisesti tietoisen tilan päivitys

Esineiden internetin tulevaisuuden sovellukset tukeutuvat yhä enemmän aikaherkän tiedon jakamiseen seurantaa ja valvontaa varten. Tätä kutsutaan tilapäivitykseksi. Esimerkkejä ovat autonomiset ajoneuvot, digitaalinen terveys, kyberfyysiset järjestelmät, älykkäät tehtaat ja älykkäät kodit. Tiedon ikää (age of information, AoI) ehdotettiin hiljattain mittariksi, jolla kuvataan tiedon tuoreutta aiotussa määränpäässä. Lisäksi on otettu käyttöön muita metriikoita, kuten virheellisen tiedon ikä (age of incorrect information, AoII) ja vääristymämittoja, joilla pyritään korjaamaan tiedon iän puutteita ottamalla huomioon tiedonsiirron semantiikka. Tämän väitöskirjan tavoitteena on kehittää uusia näytteenoton ja aikataulutuksen algoritmeja tiedon tuoreuden ja semanttisesti tietoisen viestinnän optimoimiseksi, kun verkkoresurssit ovat rajoitetut.

Väitöskirja käsitellään ongelmaa, joka liittyy tiedon iän (ajan) keskiarvon minimointiin välitystilan päivitysjärjestelmässä, jossa on stokastisia lähteitä. Käyttämällä työkaluja rajoitetuista Markov-päätösprosesseista (constrained Markov decision processes, CMDP), Ljapunovin optimointiteoriasta ja syvävahvistusoppimisesta (deep reinforcement learning, DRL) työssä kehitetään useita aikataulutuskäytäntöjä ja niiden suorituskyky osoitetaan numeerisilla esimerkeillä. Lisäksi esitetään joitakin johdettujen käytäntöjen rakenteellisia analyyseja.

Väitöskirja käsitellään keskimääräisten AoI-kyselyjen minimoinnin ongelmaa heterogeenisessa tilapäivitysjärjestelmässä eli kehittävien (generate-at-will) ja stokastisten lähteiden samanaikaista olemassaoloa. Tässä otetaan huomioon yksilölliset rajoitukset näytteenotossa ja lähetyskustannuksissa. CMDP-menetelmää käyttäen kehitetään optimaalinen yhteinen näytteenotto- ja aikataulutusmenetelmä. Lisäksi suorituskyvyn ja kompleksisuuden tasapainottamiseksi johdetaan lähes optimaalisen alhaisten laskentavaatimusten menetelmä.

Väitöskirja käsitellään osittain havaittavan Markov-lähteen reaaliaikaisen etäseurannan ongelmaa energiankeruujärjestelmässä, jossa on sekä näytteenotto- että siirtokustannuksia. Tätä varten ehdotetaan kahta semanttisesti tietoista suorituskykymittaria: yleistä vääristymämittaa ja virheellisen tiedon ikää (AoII). Kutakin mittaria varten kehitetään yhteiset näytteenotto- ja aikataulutuskäytännöt käyttämällä osittain havaittavaa Markov-päätösprosessia (POMDP) ja sen uskomusmuotoilua. Uskomus ilmaistaan tiedon iän funktiona, ja rajaamalla tiedon ikä johdetaan ja ratkaistaan MDP-tilaongelma.