基于混合博弈的虚拟网络动态资源分配模型

传统的互联网构架模型已难以满足消费者层出不穷的新兴应用要求,网络虚拟化作为解决当前互联网僵化问题的技术手段,近年来受到了国内外新一代网络研究领域的广泛关注。如何在异构的物理环境下设计出既能满足虚拟网用户资源需求,又能最大化利用物理网络资源的资源分配算法,是网络虚拟化技术亟待解决的问题。本文根据博弈论的思想,将合作博弈与非合作博弈相结合,提出了基于混合博弈的竞争模型,并根据业务类型把虚拟网划分为不同的服务类型,提出虚拟网络资源动态分配方法。仿真结果表明,本文提出的基于混合博弈的虚拟网络动态资源分配方案相对于传统资源分配方案而言,充分利用了基础设施提供商提供的物理资源,同时有效预防链路拥塞,增加了用户满意度。     

无线传感网络资源分配中分布式牛顿算法研究

链路容量、节点能耗、流速率及拓扑结构是确保无线传感网络性能的重要指标。不同的性能指标和应用场景对应着不同的无线传感网络资源分配问题模型。传统用来求解这些问题的算法主要是具有一阶收敛速度的原始对偶分解算法,这种算法虽然可以针对大规模无线传感网络实现分布式计算,然而其对步长选择收敛速度非常慢,分布式牛顿算法开始应用于无线传感网络资源分配问题研究中,与集中式算法及传统一阶分布式算法相比,这种算法具有快速的二阶收敛速度。文章针对无线传感网络中的资源分配问题,对二阶分布式求解方法及其应用进行了系统的研究,并对算法的未来发展趋势提出了展望。     

基于机器学习的无线通信网络资源分配方法研究

针对现有无线网络资源分配面临的资源分配不合理问题,提出基于机器学习的无线通信网络资源分配方法研究。在网络资源接入时设定优先级,然后进行中继转发,最后利用比例公平算法对无线通信网络资源进行合理分配。通过实验得到,提出的基于机器学习的无线通信网络资源分配方法,能够有效解决资源分配不合理的问题。     

基于拉格朗日对偶的认知无线电网络最优资源分配算法

针对传统机会认知无线电网络容量有限的问题,提出了基于拉格朗日对偶的认知无线电网络最优资源分配算法。首先,将一个用户分配给每个子载波;然后,使用标准的凸优化方法确定每个子载波的对应功率,仅一个用户可获得功率正值;最后,利用拉格朗日对偶分解法同时分配CR网络中的子载波和功率,最大限度地提高系统的总容量。使用长期演进真实场景参数与空间信道传播模型评估了所提算法的有效性,仿真结果表明,相比次优资源分配算法,所提算法的总容量平均分别提高了9.3%,相比基于任意输入分布的最优资源分配算法,总容量提高了28.7%,并取得了较快的收敛速率,可以很好地用于解决无线电网络资源配置中的容量问题。     

异构网络融合环境下基于加权二分图的网络选择算法

摘要：在异构网络融合场景中,为了合理利用异构网络资源,提出了一种基于加权二分图的网络选择算法。将网络选择过程映射为寻找最优加权二分图的过程,用户和网络双方的需求经数学建模后进行供需最优匹配,供需匹配有二次选择机会以平衡网络负载。与其他算法相比,提出的算法可以为不同QoS业务提供满足需求的匹配结果,并且能够动态调整网络负载,实现异构网络融合场景中用户需求和网络资源的合理匹配。     

基于多智能体深度强化学习的智能电网光网络切片方案

为了提高光网络对大规模、差异化电力业务的资源分配能力,降低大规模业务的算法训练时间,提出了一种基于多智能体深度确定性策略梯度算法的智能电网光网络资源分配方案。该方案考虑大规模和差异化电力业务,将智能电网光网络建模成多智能体系统,以最大化电网公司收益为目标,建立了智能电网光核心网络切片模型,进行网络资源分配优化,并采用条件判断映射,简化了优化问题。同时,把不同业务部署到不同智能体中进行运算,以降低训练时间,满足网络实时性需求。仿真结果表明,该算法具有更大的奖励、更低的成本、时延和训练时间。     

基于边缘计算的无人机通感融合网络波束成形与资源优化

为了解决传统通信-感知融合网络模式对地面基础设施的依赖,针对复杂场景下通感融合网络系统功耗较大、信号阻塞、覆盖盲区等问题,提出了一种无人机搭载边缘计算服务器与雷达收发器辅助通感融合网络。首先,在满足用户传输功率、雷达估计信息率、任务卸载比例限制的条件下,通过联合优化无人机雷达波束成形、计算资源分配问题、任务卸载量划分、终端用户发射功率和无人机飞行轨迹,建立系统总能耗最小化问题；其次,将该非凸优化问题重新构建为一个马尔可夫决策过程,使用深度强化学习中的近端策略优化算法实现系统的优化决策。仿真结果表明,所提算法训练速度较快,能够在保证应用的感知与计算时延需求的同时有效降低系统能耗。     

基于图着色模型的弹性光网络频谱分配算法

为了有效降低弹性光网络的频谱碎片程序和阻塞率,提出一种基于图着色模型的弹性光网络频谱分配算法。首先,对弹性光网络建立图着色模型,将频谱分配问题转化为带权值的图上色问题,然后提出了2种改进的上色算法(链式搜索法和改进的贪心算法)。仿真结果表明:与度最大着色算法相比,改进的2种上色算法能更好地优化频谱资源并降低平均链路阻塞率。     

保证QoS的路径级网络资源分配算法研究

随着越来越多的实时业务接入因特网,如何在满足业务端到端QoS要求的前提下,使网络接纳更多用户成为一个严峻的挑战.本文首先对路径级的网络资源最优分配问题建立数学模型.理论推导证明:该问题可以通过一个简单的最优规划问题求解.随后,根据求得的最优解的特点,本文提出了一种结合网络资源状态和用户业务QoS要求的资源分配算法—ERA算法.ERA算法不仅运算简单,而且仿真结果也表明,在相同网络资源总量的前提下,其接纳的用户数目可以达到理论的上界.     

基于K-臂赌博机的多无人机空地网络动态资源分配方法

针对配置大规模MIMO的多无人机空地网络中的动态资源分配问题,从最大化系统吞吐量的角度出发,该文提出一种基于K-臂赌博机的强化学习算法联合优化多个无人机的用户选择与功率分配策略。首先根据地理位置对用户进行分簇,利用簇中心节点规划无人机飞行路径;其次在不考虑无人机之间端到端通信的情况下,将多无人机资源分配问题转化为相互独立的多个智能体强化学习问题;最后提出分幕式多智能体多状态K-臂赌博机算法来实现用户选择与功率分配的联合优化。通过将无人机每个时刻的位置索引定义为状态空间,从而使得无人机可动态适配自身位置及信道的动态变化。仿真结果表明,所提方案可根据环境状态变化自主智能调整资源分配策略,相比于已有方案能有效提升系统总吞吐量。     

Interference graph based adaptive interference coordination method in indoor UDN

An interference graph based adaptive interference coordination method was proposed for indoor scenario of ultra dense network (UDN).The algorithm aimed at maximizing system throughput.Firstly,the interference relationship in the system was modeled as an interference graph,and the iterative coloring algorithm was used to determine the available resources of each small cell base station (SBS).Thereafter,the SBS allocated resources to each user by using a throughput optimizing resource allocation algorithm.The method could adaptively select a resource allocation strategy according to the network topology and channel conditions,thereby mitigating interference in the system.The simulation results show that compared with the existing methods,the proposed method effectively reduces the system outage probability while significantly improving the throughput performance through a small additional signaling overhead.     

基于无线感知辅助的车联网下行无线资源分配方法

在车联网（vehicle-to-everything，V2X）中，感知与安全类数据的高速下发与共享对道路交通安全至关重要。然而，车辆高速移动所引起的通信链路不稳定，会导致现有的基于车辆位置信息上报的通信资源分配方法不再高效。为此，提出了一种基于通信节点无线感知辅助的车联网下行无线资源分配方法。首先，构建了通信与感知资源正交下的通信模式选择与无线资源分配联合优化问题；之后，为解决这一问题提出了基于Delaunay三角划分的分簇通信模式选择与基于改进图着色的资源分配策略，以实现下行吞吐量的提升；最后，仿真分析了无线感知估计误差、车辆数量对算法性能的影响。仿真结果表明，与传统方法相比，所提算法在相同感知带宽资源占比下可获得更好的下行通信性能增益，并能够承受更大的感知误差对性能的影响，同时，所提算法的计算复杂度较低，可节省网络算力资源。     

基于改进图着色的D2D资源分配和功率控制

针对蜂窝网络中D2D（Device-to-Device）用户复用蜂窝信道带来的同频干扰问题,提出了一种基于改进图着色的资源分配和功率控制算法。首先通过构建干扰图和候选集进行用户之间干扰关系建模,并定义指数型累积因子改进图着色算法,为D2D用户分配蜂窝信道;再采用基于信干噪比的闭环功率控制算法动态调整D2D用户发射功率,减小由于信道复用产生的干扰。仿真结果表明,与现有算法相比,所提算法能够有效提升系统吞吐量和D2D用户接入率,实现信道资源的合理分配。     

Interference management in dense inband D2D network using spectral clustering & dynamic resource allocation

Device-to-device (D2D) communication has emerged as a promising concept to improve resource utilization in fifth generation cellular networks. D2D network’s architectural capability to offload traffic from the backhaul network to direct links enables it to be used for internet of things (IoT) services. In a densely deployed setting of IoT devices, D2D network may experience critical interferences due to a limited number of spectral resources. To increase the overall signal-to-interference-plus-noise ratio (SINR) of the network while reducing the computational load on a macro base station, a novel decentralized interference management methodology is proposed for dense in-band D2D underlay LTE-A network. The proposed interference management scheme can decouple interference in a network into cross-cluster and intra-cluster interference and tackle with them separately. To mitigate the cross-cluster interference in a dense D2D network we propose dividing the densely deployed D2D user equipments (UEs) network into well-separated clusters using spectral clustering with modified kernel weights. The proposed spectral clustering scheme obtains well-separated clusters with regards to cross-cluster interference, that is, the UEs that offer maximum interference to each other are grouped into the same cluster. Thereafter, a dynamic resource allocation algorithm is proposed within each cluster to reduce the intra-cluster interference. The proposed dynamic resource allocation algorithm uses graph coloring to allocate resources in such a manner that after each spectrum allocation, a small cell base station updates the interference graph and assigns the next largest interference affected UE a spectrum resource that minimizes the overall intra-cluster interference the most. In conventional graph coloring, the adjacent UEs are allocated different spectrum resources without taking into consideration if the allocated spectrum resource might result in increased interference in the cluster. The simulation results show that the proposed clustering strategy considerably reduces the average cross-cluster interference as compared to other benchmark clustering algorithms such as K-means and KPCA. Moreover, the proposed resource allocation algorithm decreases the intra-cluster interference in the network resulting in the overall SINR maximization of the network.

     

一种改进的自适应动态资源调配算法

为了改进在分布式环境下用于QoS控制的基于模糊逻辑的动态资源调配算法（FDRA）,提出了基于双阈值和双指针的自适应动态控制资源算法——EFDRA（Enhanced FDRA）,解决了当网络资源紧张时,FDRA算法更新指数上升过大的问题。仿真结果证明,该算法以牺牲少量的阻塞率指标为代价,换来了更新指数指标的显著改善,提高了网络的可扩展性能。     

车联网中基于MEC的V2X协同缓存和资源分配

针对车联网的多媒体业务快速增长,大量的数据交换为移动网络带来沉重负担的问题,构建了一种车联网中基于移动边缘计算的V2X协同缓存和资源分配框架。提出了V2X协同缓存与资源分配机制,实现网络内计算、缓存和通信资源的有效分配;利用图着色模型为卸载用户分配信道;采用拉格朗日乘子法对功率与计算资源进行分配。仿真结果表明,在不同的系统参数下,所提机制可以有效降低系统开销,减少任务完成时延。     

基于无人机辅助的认知无线电网络信息年龄研究

考虑到信息时效性和数据新鲜度对各类实时状态更新系统带来的挑战,提出了一种无人机（Unmanned Aerial Vehicle, UAV）中继辅助的认知无线电网络（Cognitive Radio Network, CRN）信息年龄（Age of Information, AoI）最小化方案。为了降低CRN中次用户接收机处的AoI,在不影响主用户正常通信的前提下,利用UAV作为移动中继来辅助次用户发射机将数据包传输到对应的接收机。通过联合优化UAV的飞行轨迹和资源分配来确保信息新鲜度。由于联合设计问题是非凸的,故采用连续凸逼近的高效迭代算法得出问题的最优解。仿真结果表明,所提方案可以有效提高信息新鲜度,并获得峰值AoI的最小值。同时,数据包的大小和数量与AoI呈线性关系,对UAV的飞行轨迹也有影响。      

基于改进遗传算法的认知无线传感网动态频谱分配方案

将认知无线电中的动态频谱分配技术应用在无线传感网中,针对工作在ISM(industrial,scientific and medical)频段的无线传感网面临的频谱资源紧缺问题,提出一种基于改进自适应遗传算法的动态频谱分配方案.该算法以图论着色模型为基础,以最大带宽收益和最小切换频率为目标函数,在交叉和变异过程中采用自适应交叉概率和变异概率代替固定的交叉概率和变异概率.仿真结果表明,与传统遗传算法和颜色敏感图论着色算法相比,该算法可以实现提高频谱利用率、降低能量消耗的预期目标.     

基于图着色的加权优先D2D资源分配算法研究

针对蜂窝用户与D2D用户所构成的异构网络系统中同频干扰问题,提出一种基于图着色的加权优先D2D资源分配算法.该算法不仅允许多个D2D用户复用一个蜂窝用户资源,而且能够实现简单功控.首先建立异构干扰图,对系统终端用户及干扰类型进行分类异构.然后计算着色优先级,考虑各种影响因子以提升算法的实用性.最后再由分配结果进行组内功率控制,以满足绿色通信的要求.仿真表明,该算法不仅可以降低系统用户接入损失率,提高系统吞吐量,而且还减少了功率消耗.     

Improving Radio Resource Utilization and User Level Fairness in OFDMA Femtocell Networks

Poor indoor coverage and high cost of cellular network operators are among the main motivations for the employment of femtocell networks. Since femto access points (FAPs) and macrocells share same spectrum resources, radio resource allocation is an important challenge in OFDMA femtocell networks. Mitigating interference and improving fairness among FAPs are the main objectives in previous resource allocation methods. However, the main drawback is that user level fairness has not been adequately addressed in the previous methods, and moreover, most of them suffer from inefficient utilization of radio resources. In this paper, modeling the problem as a graph multi-coloring, a centralized algorithm is proposed to obtain both user level fairness and spectrum efficiency. This method employs a priority-based greedy coloring algorithm in order to increase the reuse factor and consequently the spectrum efficiency. Moreover, in situations where the number of available OFDM resources is not sufficient, the proposed method employs a novel fairness index to fairly share those remaining resources among users of FAPs. The performance comparison between the proposed and previous methods shows that the proposed method improves the balance between user-level fairness and resource utilization. In addition, the presented analyses show that the time complexity of the proposed method is less than that of conventional methods.