خانم مرضیه شیخی دانشجوی دکتری دکتر وصال حکمی مورخ: ۱۴۰۵/۰۸/۲۴ ساعت: ۱۸:۰۰ از رساله دکتری خودباعنوان "بهینهسازی کارایی ارتباطات بیسیم نسل آینده با آگاهی از ریسک و مبتنی بر دیرینگی اطلاعات" دفاع خواهند نمود.(ادامه مطلب)
دانشجو:مرضیه شیخی
استاد راهنما: دکتر وصال حکمی
اعضاء هیات داوری:
دکتر ناصر مزینی
دکتر ابوالفضل دیانت
دکتر احمد خونساری (دانشگاه تهران)
دکتر مهدی راستی (دانشگاه امیرکبیر)
تاریخ دفاع: ۱۴۰۵/۰۸/۲۴ ساعت: ۱۸:۰۰ محل: دانشکده مهندسی کامپیوتر
چکیده فارسی:
ظهور شبکههای ارتباطی بیسیم نسل ششم و توسعه سیستمهای سایبرفیزیکی، نیازمند پشتیبانی پایدار از کاربردهای مأموریتبحرانی و حساس به زمان است. در این شبکهها، سنجههای
عملکردی سنتی نظیر گذردهی و تأخیر، قابلیت لازم برای ارزیابی پیوسته تازگی اطلاعات در سمت گیرنده را ندارند. هرچند معیار دیرینگی اطلاعات به عنوان شاخصی زمانمحور برای رفع این
محدودیت معرفی شده است، اما در محیطهای عملیاتی به دلیل پویاییهای کانال، محدودیت منابع انرژی و تداخلات فضایی، توزیع آماری دیرینگی دچار نوسانات قابلتوجهی میشود. اتکای
غالب پژوهشهای پیشین بر بهینهسازی امید ریاضی دیرینگی اطلاعات، سیستم را در برابر پیشامدهای نادر اما پرهزینه در ناحیه دُم توزیع آسیبپذیر میسازد. از سوی دیگر، وابستگی
روشهای موجود به مدلهای تحلیلی از پیش معلوم و یا نیاز به جمعآوری مسیرهای کامل در الگوریتمهای اپیزودیک، مانع از پیادهسازی برخط آنها در محیطهای متغیر بیسیم میگردد.
در پاسخ به این چالشها، رساله حاضر یک رویکرد یکپارچه پیشنهادی برای مدیریت منابع رادیویی و بهینهسازی دیرینگی اطلاعات ارائه میدهد که به صورت همزمان بر سه رکن بنیادین
«فارغ از مدل»، «آگاه از ریسک» و «فارغ از مسیر» استوار است. در این چارچوب، نیاز به دانش پیشینی از احتمالات گذار محیط حذف شده، نوسانات دُم توزیع از طریق سنجههایی نظیر
میانگین و واریانس، مطلوبیت نمایی و ارزش در معرض ریسک شرطی کنترل میگردد، و فرآیند یادگیری با جایگزینی روشهای مبتنی بر مسیر توسط تقریبهای تصادفی گامبهگام و افزایشی
در مقیاسهای زمانی مجزا، از انقضای دادهها در حلقه آموزش جلوگیری میکند.
به منظور ارزیابی کارایی و تعمیمپذیری، رویکرد پیشنهادی در سه مقیاس شبکهای با پیچیدگی متفاوت پیادهسازی شده است. در گام نخست، برای یک پیوند نقطه به نقطه در کانال امواج
میلیمتری مجهز به برداشت انرژی، الگوریتم یادگیری تقویتی تنظیمشده با واریانس در دو مقیاس زمانی توسعه یافته است. در گام دوم، مسئله به یک شبکه چندکاربره متمرکز مجهز به سطوح
هوشمند بازتابدهنده تحت پروتکلهای دسترسی غیرمتعامد و تسهیم نرخ بسط یافته و الگوریتمی مبتنی بر گرادیان سیاست قطعی عمیق با ساختار دوسر نقاد برای تفکیک و مهار واریانس
فردی کاربران طراحی گردیده است. در گام سوم، شبکههای متراکم و توزیعشده اینترنت اشیا با دسترسی غیرمتعامد بدون واگذاری در قالب یک بازی تصادفی با مشاهدات جزئی فرموله شده
و الگوریتمی چندعامله در بستر آموزش متمرکز با اجرای نامتمرکز، همراه با بسط وضعیت و بهروزرسانیهای یگان و دوگان لاگرانژین در چهار مقیاس زمانی جهت ارضای قیود ارزش در معرض
ریسک شرطی ارائه شده است.
تحلیلهای تئوریک همگرایی و نتایج شبیهسازیها نشان میدهند که الگوریتمهای پیشنهادی در مقایسه با روشهای خنثی نسبت به ریسک، پراکندگی و مقادیر صدکهای انتهایی توزیع
دیرینگی اطلاعات را با مصالحهای قابل کنترل در مقدار میانگین کاهش میدهند و چارچوبی مؤثر برای حفظ پایداری کاربردهای حساس به زمان فراهم میآورند.
Abstract: The emergence of sixth-generation (۶G) wireless networks and the rapid expansion of cyber-physical systems demand reliable support for mission-critical and time-
sensitive applications. In these networks, conventional performance metrics such as throughput and delay are insufficient for continuously evaluating information
freshness at the receiver. Although the Age of Information (AoI) has been introduced as a time-centric metric to address this limitation, its statistical distribution in
operational environments experiences considerable fluctuations due to physical channel dynamics, energy constraints, and spatial interference. The predominant reliance
of existing literature on optimizing the expected value of AoI leaves systems vulnerable to rare but high-cost events in the distribution tail. Furthermore, the dependence of
current risk-sensitive methods on a priori analytical models or full-episode collection in trajectory-based algorithms hinders their online implementation in time-varying
wireless environments. To address these challenges, this dissertation presents a proposed integrated approach for radio resource management and AoI optimization that simultaneously builds
upon three foundational pillars: model-free learning, risk-awareness, and non-trajectory-based updates. Within this framework, the need for prior knowledge of
environmental transition probabilities is eliminated, tail-distribution fluctuations are controlled via risk measures including mean-variance, exponential utility, and
Conditional Value at Risk (CVaR), and the learning process prevents data staleness during training by replacing trajectory-based methods with step-by-step, incremental
stochastic approximations across multiple timescales.
To evaluate its effectiveness and generalizability, the proposed integrated approach is implemented across three network scales of increasing complexity. First, for a point-
to-point link over millimeter-wave (mmWave) channels with energy harvesting constraints, a two-timescale Variance-Adjusted Q-Learning (VAQL) algorithm is developed.
Second, the problem is extended to a centralized multi-user network assisted by Reconfigurable Intelligent Surfaces (RIS) under Non-Orthogonal Multiple Access (NOMA)
and Rate-Splitting Multiple Access (RSMA) protocols, where an Ultra-Fresh Risk-Sensitive Deep Deterministic Policy Gradient (UF-RS-DDPG) algorithm featuring a dual-critic
structure is designed to isolate and mitigate individual user variance. Third, dense and decentralized Internet of Things (IoT) networks with Grant-Free NOMA (GF-NOMA)
are formulated as a Partially Observable Stochastic Game (POSG), and a Risk-Constrained Multi-Agent DDPG (RCMADDPG) algorithm is proposed within a Centralized
Training with Decentralized Execution (CTDE) paradigm, incorporating state augmentation and four-timescale primal-dual Lagrangian updates to satisfy CVaR constraints.
Theoretical convergence analyses and simulation results demonstrate that, compared to risk-neutral baselines, the proposed algorithms reduce the dispersion and tail
percentiles of the AoI distribution with a controllable trade-off in the average age, providing an effective framework for maintaining stability in time-critical applications.