一种人与人和机器到机器共存下能效最大化的上行用户分配算法

针对5G超密集异构蜂窝网络中人与人(H2H)和机器到机器(M2M)共存场景下有服务质量(QoS)保障和负载均衡的上行用户分配问题,该文提出一种基于匹配理论的用户分配算法。该算法在用户分配过程中同时考虑不同类型节点的接入控制策略,在最大化网络能效的同时,实现节点QoS保障。仿真结果表明,与其他算法相比,该算法不仅能够在能效、负载均衡以及QoS保障方面获得更好的性能,并且能获得与穷举法相近的性能。此外,所提算法的收敛速度很快且不受节点和基站数目变化的影响,适合解决H2H和M2M共存场景中的用户分配问题。     

一种人与人和物到物业务共存下的异构蜂窝网络柔性接入策略

针对人与人(H2H)和物到物(M2M)业务共存的异构无线网络,该文设计了一种根据业务特性的代理节点的网络选择策略,用博弈论对以保障两类业务服务质量(QoS)需求和网络负载均衡为目标的代理节点网络选择问题进行建模,并分析了该博弈模型纳什均衡(NE)的存在性和可行性;同时,提出了基于学习自动机的分布式网络-信道选择算法(DNCSALA),求得该博弈的纳什均衡。仿真结果表明,所提算法能够获得与穷举搜索算法相近的性能,可满足共存场景中不同类型业务的QoS需求并提高网络资源利用率。     

H2H与M2M共存场景下的上行资源分配算法

未来网络中将有大量的机器与机器（machine-to-machine,M2M）通信终端,比人与人（human to human,H2H）通信终端至少要多出2个数量级,网络中传统的资源分配算法无法满足新业务的通信需求.基于H2H与M2M共存场景,本文通过分析M2M终端特性,提出了一种基于背包模型的分级传输的资源分配算法,此分配算法优先保障H2H与时延敏感的M2M通信业务的服务质量（Quality of Service,QoS）,同时充分考虑时延非敏感的M2M的业务特性,节省能量消耗.仿真结果表明该算法能够提高资源利用率,同时满足H2H与M2M业务的QoS.     

机器对机器通信中一种基于能量效率与系统容量的多目标无线资源管理算法

机器对机器(M2M)通信和设备到设备(D2D)通信都是5G中的关键技术。而M2M通信特别需要考虑提高设备的能量效率(EE)以延长设备的生存周期。该文将M2M技术与D2D技术相结合,考虑M2M设备使用D2D技术进行通信,同时M2M设备复用蜂窝网络中的人对人(H2H)通信的频谱资源。为了同时保证两种系统的服务质量(QoS)需求,建立了最大化M2M的能量效率,最大化H2H系统容量和,以及最小化M2M系统对H2H系统干扰的多目标优化问题(MOOP)。为了解决该问题,采用惩罚函数的方法将二进制变量松弛约束,进而采用凹凸过程(CCCP)方法将非凸的单目标优化问题转化为凸优化问题,并最终通过加权切比雪夫算法得到原多目标优化问题的Pareto最优解。通过与传统的加权和算法进行比较,仿真结果证明了该算法的有效性。     

基于能效的NOMA蜂窝车联网动态资源分配算法

在支持车与车直接通信(V2V)的非正交多址接入(NOMA)蜂窝网络场景下,针对V2V用户与蜂窝用户的干扰以及NOMA准则下的功率分配问题,该文提出一种基于能效的动态资源分配算法。该算法首先为了保证V2V用户的时延及可靠性同时满足蜂窝用户的速率需求,联合考虑子信道调度、功率分配和拥塞控制,建立了最大化系统能效的随机优化模型。其次,利用李雅普诺夫随机优化方法,通过控制可接入数据量保证队列稳定性以避免网络拥塞,并根据实时网络负载状态动态地进行资源调度,设计一种次优化子信道匹配算法获得用户调度方案,进一步,利用凸优化理论和拉格朗日对偶分解方法得到功率分配策略。最后,仿真结果表明,该文算法可以满足不同用户的服务质量(QoS)需求,并在保证网络稳定性前提下提高系统能效。     

无线Mesh网络中支持QoS的802.11e协议优化

在无线Mesh网络中,支持QoS的IEEE 802.11eEDCA协议,其固定的队列接入机制,使得在网络负载较重的时高优先业务的QoS得不到应有的保障,同时在网络负载较轻时信道利用率也不高.文中提出了一种动态调整业务接入队列的算法.节点可以根据感知到的网络负载状况自适应调整队列接入方式,在保障高优先级业务QoS要求的同时,尽可能提高信道的利用率.仿真结果表明,在不同网络负载的场景下,该算法相对于IEEE802.11e在QoS保障和利用率方面都有较好的表现.     

自组织无线网络中的移动负载均衡技术

文章认为基于人工进行的网络优化方法难以适应未来网络发展需要,为此LTE系统引入了自组织网络技术。自组织网络技术涉及网络部署、运行的各个环节,其中移动负载均衡技术是自组织网络技术的一个关键技术。移动负载均衡技术通过用户在不同小区之间的切换实现负载的转移,从而实现负载的均衡分布,提高网络性能。针对很多移动负载均衡算法没有考虑用户的服务质量(QoS)要求,文章介绍了一种保证QoS要求的移动负载均衡算法。     

时分波分无源光网络与云无线接入网联合架构中负载平衡的用户关联与资源分配策略

在时分波分无源光网络(TWDM-PON)与云无线接入网(C-RAN)的联合架构中,由于无线域的负载不均衡问题,限制了网络整体的传输效率.为了充分利用TWDM-PON与C-RAN联合架构的网络资源,并保证用户的服务质量(QoS),该文提出一种负载平衡的用户关联与资源分配算法(LBUARA).首先根据不同用户的服务质量需求以及分布式无线射频头端(RRH)的负载对用户的影响,构建用户收益函数.进而,在保证用户服务质量的前提下,根据网络状态建立随机博弈模型,并基于多智能体Q学习提出负载均衡的用户关联和资源分配算法,从而获得最优的用户关联与资源分配方案.仿真结果表明,所提的用户关联和资源分配策略能够实现网络的负载均衡,保证用户的服务质量,并提高网络吞吐量.     

一种改进的动态反馈负载均衡算法

在集群系统中,负载均衡算法是影响系统性能的关键因素之一.为了进一步提高集群系统的性能,有必要对负载均衡算法进行优化.通过对最小连接算法和DFB(Dynamic Feed-Back)算法的详细分析,提出了一种改进的动态反馈负载均衡算法.该算法通过收集每台服务器的实时性能参数,动态地计算出各服务节点的分配概率,并由此决定用户请求分配给哪一个服务节点.通过对上述三种算法性能的测试,得出了该算法能够有效提高集群系统性能的结论.     

移动性感知下基于负载均衡的任务迁移方案

针对移动边缘计算中用户移动性导致服务器间负载分布不均,用户服务质量(Quality of Service, QoS)下降的问题,提出了一种移动性感知下的分布式任务迁移方案。首先,以优化网络中性能最差的用户QoS为目标,建立了一个长期极大极小化公平性问题(Max Min Fairness, MMF),利用李雅普诺夫(Lyapunov)优化将原问题转化解耦。然后,将其建模为去中心化部分可观测马尔可夫决策过程(Decentralized Partially Observable Markov Decision Process, Dec-POMDP),提出一种基于多智能体柔性演员-评论家(Soft Actor-Critic, SAC)的分布式任务迁移算法,将奖励函数解耦为节点奖励和用户个体奖励,分别基于节点负载均衡度和用户QoS施加奖励。仿真结果表明,相比于现有任务迁移方案,所提算法能够在保证用户QoS的前提下降低任务迁移率,保证系统负载均衡。