Key points are not available for this paper at this time.
在无线边缘，智能电网和车辆网络等新型工业应用的快速发展，要求网络物理系统（CPS）的进步。CPS的性能与最后一公里的无线通信网络紧密相关，这些网络由于其固有的有限资源，常常成为瓶颈。目前的CPS操作往往将无线通信网络视为不可预测和不可控制的变量，忽略了无线网络的潜在适应性，导致CPS操作低效且过于保守。同时，当前的无线通信往往更关注吞吐量和其他传输相关指标，而不是CPS目标。在本研究中，我们引入了面向目标的无线通信资源分配框架，考虑了数据对CPS操作目标的语义和重要性。这从控制论的角度确保了CPS的最佳性能。我们将带宽分配问题表述为旨在最大化传输数据带来的信息效用增益，以实现CPS操作目标。由于面向目标的带宽分配问题是一个大规模组合问题，我们提出了一种分治法和贪心算法。信息效用增益首先被近似分解为边际效用信息增益并以并行方式计算。随后，带宽分配问题被重新表述为一个背包问题，可以进一步通过贪心算法解决，并保证次优解的间隙。我们进一步演示了我们提出的面向目标的带宽分配算法如何应用于四个潜在的CPS应用，包括数据驱动决策、边缘学习、联邦学习和分布式优化。通过仿真，我们确认了我们提出的面向目标的带宽分配框架在满足CPS目标方面的有效性.
Feng et al. (Fri,) 研究了这个问题。