⚡ electrical engineering

MDP-based Energy-aware Task Scheduling for Battery-less IoT

本文提出了一种基于最优静态阈值（OSTB）的调度器，将其建模为马尔可夫决策过程，通过在能量间歇性和严格时序约束下联合优化任务排序与执行时机，以最大化无电池物联网设备中周期性感知 - 计算 - 传输任务的长期完成率。

原作者： Shahab Jahanbazi, Mateen Ashraf, Onel L. A. López

发布于 2026-05-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Shahab Jahanbazi, Mateen Ashraf, Onel L. A. López

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个生活在野外、无需电池的小型机器人。它没有电池来储存能量，而是依靠从太阳（或其他环境能源）中捕获的“太阳能零食”来运行。这些零食是不可预测的：有时它能获得丰盛的大餐，有时则一无所获。

为了生存，该机器人每天必须完成一套例行任务：

观察（感知）：检查环境。
思考（计算）：处理所见信息。
喊叫（传输）：将消息发送给它的上级。

问题在于：如果机器人在能量不足（饥饿）时尝试“喊叫”，它可能会在说话中途晕倒（断电）。但如果它在开始之前等待太久以获取更多零食，又可能在一天结束前无法完成整套任务（违反截止时间）。

本文旨在教导该机器人何时启动其例行任务的每一步，以便在其生命周期内完成最多工作，同时避免晕倒。

核心问题：“金发姑娘”困境

机器人面临一个棘手的权衡：

等待太久？ 它可能会充满能量，但可能没有足够的时间在一天结束前完成“观察 - 思考 - 喊叫”这一连串任务。
开始太早？ 它可能完成任务，但如果之前没有吃够零食，它可能会在半途中断电，浪费所有努力。

作者意识到，简单的规则（例如“只要有可能就立即开始”或“总是等到最后一秒”）效果不佳，因为能量供应是随机的。

解决方案：“智能阈值”（OSTB）

作者为机器人构建了一个名为**马尔可夫决策过程（MDP）**的数学大脑。你可以将其视为一本超级聪明的规则手册，它同时考量两件事：

电池有多满？（电压）。
一天中还剩多少时间？

他们证明，最佳策略并非复杂多变的计划，而是一条简单的阈值策略。

类比：想象机器人每个任务都有一个“起跑线”。

如果电池电量低于这条线，机器人会说：“我太饿了。我要小睡一会儿，等待更多零食。”
如果电池电量高于这条线，机器人会说：“我饱得差不多了！出发吧！”

本文的妙处在于，他们精确计算出了应该在哪里画这些线。

一天早期：这条线设得很高。机器人很挑剔。它等待大餐，因为它有充足的时间可以等待。
一天晚期：这条线下降。机器人变得急切。即使只有一半电量，它也开始工作，因为如果再等下去，在它完成任务之前一天就会结束。

他们称此为**最优静态阈值（OSTB）**调度器。之所以称为“静态”，是因为规则不会随日子变化；它们仅取决于当前状态（电池电量 + 剩余时间）。

为何这比其他方法更好

本文将他们的“智能阈值”与另外两种常见策略进行了测试比较：

“早起的鸟儿”（EDF-EG）：只要拥有刚好足够的能量就立即开始。
- 结果：它经常开始得太早，在任务中途耗尽电力并失败。
“夜猫子”（ALAP）：等到最后一刻才可能开始。
- 结果：它充满了能量，但经常因时间不足而无法完成整个任务链。

获胜者：OSTB 策略获胜，因为它平衡了两者。它知道何时该耐心，何时该紧迫。

“相关性”的转折

在现实世界中，能量并非完全随机。如果现在阳光明媚，一分钟后很可能依然阳光灿烂。作者还更新了他们的规则手册，以处理这种“相关性”能量。

结果：机器人仍然使用相同的“阈值”逻辑，但这些线会根据天气是看起来会继续变好还是变坏而略微移动。这让机器人变得更加聪明。

核心结论

本文表明，通过使用简单的“如果电池电量 > X，则执行任务”规则——其中 X 根据剩余时间而变化——你可以使无电池设备更加可靠。即使能量供应不稳定，它们也能完成更多日常任务，减少失败次数，并更快地完成工作。

简而言之：不要只在饿得发慌时进食，也不要只在吃饱时进食。要在恰当时机摄入恰到好处的能量，以便在日落前完成你的工作。

技术摘要：基于 MDP 的无电池物联网能量感知任务调度

问题陈述
无电池物联网（IoT）设备依赖环境能量收集，导致间歇性运行，必须通过能量感知调度进行管理。这一挑战在周期性监测应用中尤为严峻，因为在固定的报告周期内必须完成特定的任务链——感知、本地计算和无线传输。核心难点在于平衡两个相互竞争的约束：能量间歇性和硬性时间约束。

能量约束：执行任务需要足够的电容电压，以确保设备在任务完成前不会发生断电（电压降至关闭阈值以下）。
时间约束：任务必须遵循严格的先后顺序（感知 $\to$ 计算 $\to$ 传输）和允许的启动时间窗口。推迟任务以收集更多能量可能会错过后续任务或整个周期的截止时间，而过早启动能量不足的任务则可能导致断电。

现有方法通常侧重于短期可行性、单周期优化或简化的能量模型，未能在此类硬性约束和随机能量到达条件下联合优化长期性能。

方法论
作者将调度问题表述为长期平均奖励马尔可夫决策过程（MDP）。该框架明确建模系统动态，以捕捉能量安全与截止期限合规性之间的权衡。

系统模型：
- 设备在时长为 $T_s$ 的周期性循环中运行，划分为离散时间单位。
- 能量通过能量收集（EH）换能器收集并存储在电容器中。电压演化采用 RC 电路动态建模，考虑了收集过程中的充电以及任务执行或睡眠期间的放电。
- 定义了一个“安全执行”概率指标，用于量化任务完成时电容电压不降至关闭阈值 $V_{out}$ 以下的概率。
MDP 表述：
- 状态空间：由三元组 $(V_n, \tau_n, f_n)$ 定义，分别代表电容电压、本地时钟（周期内的时间）以及指示任务链进度的任务标志（0：感知待处理，1：感知完成，2：计算完成，3：传输完成）。连续电压被量化以启用有限状态 MDP 方法。
- 动作空间：设备可以选择睡眠、感知、计算或传输，但受限于当前状态的允许时间窗口。
- 奖励设计：提出了两种奖励函数。基本奖励将调度决策与安全执行概率相结合。基于 Sigmoid 的奖励引入阈值参数，对高风险、低能量的执行进行更严厉的惩罚，从而在中间能量状态下促进保守调度，以减少断电。
策略推导：
- 作者证明了诱导的马尔可夫链是单链的（包含恰好一个常返类），确保长期平均奖励与初始状态无关。
- 他们确立了最优平稳策略具有关于电容电压的阈值结构。这意味着对于任何给定的时间步和任务阶段，都存在一个电压阈值，高于该阈值设备应执行任务，低于该阈值则应睡眠。
- 由此得出了最优平稳阈值（OSTB）调度器，该调度器可使用线性规划（LP）离线计算。
扩展到相关能量：
- 为了解决能量到达在时间上相关（例如光照条件变化）的现实场景，该框架通过将状态扩展为由有限状态马尔可夫过程控制的 EH 模式变量进行了扩展。
- 提供了充分条件，证明在此相关设置中，基于阈值的结构仍然最优，此时阈值同时取决于时间步和当前的 EH 模式。

主要贡献

硬约束 MDP 表述：本文将周期性无电池任务调度表述为有限状态 MDP，明确强制执行基于电容动态推导出的硬性允许启动窗口、任务先后顺序和安全执行条件，超越了以往工作中使用的软效用惩罚。
保守奖励设计：引入了一种新颖的基于 Sigmoid 的奖励函数，明确促进在中间能量状态下的保守调度，在保持长期任务完成目标的同时，有效减少断电。
结构特征化：作者证明了 MDP 的单链属性，并表明最优策略是基于阈值的。这将策略搜索空间从一般映射减少为一组电压阈值，从而能够高效计算 OSTB 调度器。
相关 EH 扩展：该框架通过有限状态马尔可夫模型扩展到处理相关能量收集，在特定条件下保持了基于阈值的最优性。
全面评估：将提出的 OSTB 调度器与具有能量保护的最早截止期限优先（EDF-EG）启发式算法和尽可能晚（ALAP）策略进行了基准测试。

结果
数值模拟证明了 OSTB 调度器的优越性：

性能：与 EDF-EG 和 ALAP 相比，OSTB 实现了更高的长期全链完成率（成功的感知 - 计算 - 传输周期），特别是在收集能量稀缺的情况下。
可靠性：与基本奖励函数相比，基于 Sigmoid 的奖励设计显著减少了断电次数。
延迟：在低能量状态下，OSTB 通过自适应平衡能量收集和任务执行，实现了比基线更低的执行延迟，而 ALAP 由于其“等到最后一刻”的策略而遭受最大延迟。
相关 EH：在相关能量场景中，扩展后的 OSTB 策略根据当前 EH 模式调整阈值，进一步提高了端到端完成率。
可扩展性：离线计算复杂度在离散状态维度上呈多项式级，而在线实现复杂度为每个时间步 $O(1)$ ，仅需查找电压阈值。

意义
本文声称，所提出的框架为无电池物联网的能量感知任务调度提供了一种严谨且解析上可处理的解决方案。通过自适应阈值策略将能量可用性与截止期限紧迫性显式耦合，OSTB 调度器有效地管理了等待更多能量与错过截止期限风险之间的基本权衡。这项工作强调，对于能量存储有限的设备，联合优化安全性和时间性比仅优化其中一个因素的启发式方法能带来显著的性能提升。最优策略的结构特征化为实际实施提供了路径，避免了复杂的在线学习或繁重的实时计算需求。