基于Stackerlberg和议价博弈的Femtocell网络功率控制

针对Femtocell网络中存在的干扰问题,提出一种基于Stackerlberg博弈和议价博弈的功率控制策略.首先,给出既可以使Femtocell网络系统容量最大化,又可以体现效用公平的效用函数;然后,在保证宏小区用户效用最大化的条件下,考虑到Femtocell家庭用户的收益,给出Stackelberg博弈模型;接着,考虑到Femtocell家庭用户之间的效用公平和最小服务质量要求,给出基于议价博弈的Kalai-Smorodinsky议价解,并证明议价解的存在性和唯一性.使用拉格朗日乘子法给出宏小区的最优价格,保证宏小区的效用最大化.仿真结果表明,该策略在满足宏蜂窝网络效用最大化的情况下,不但能够满足Femtocell家庭用户最小服务质量需求和公平性,而且Femtocell网络的收益也能得到较好的保证.     

基于RBS 的合作通信网络公平合作策略

针对合作通信网络中基于纳什议价解(NBS)的合作策略存在用户效用分配不公平的问题,同时考虑用户的最大与最小效用,提出了基于Raiffa-Kalai-Smorodinsk议价解(RBS)的合作策略,并建立了用户合作的条件.仿真结果表明,基于RBS的合作策略在保证网络总效用不变的前提下,具有更好的公平性.     

一种改进的认知无线电网络博弈功率控制算法

基于David Goodman的非合作功率控制博弈方法,本文提出一种适用于认知无线电网络的功率控制博弈算法,对S型有效函数和代价函数进行改进和优化,实现认知用户功率控制的公平性,并证明该算法纳什均衡的存在性。仿真结果表明,该算法使认知用户的总吞吐量提升,发射功率降低,效用提高,且在一定程度上兼顾了系统的公平性。     

异构网络下行链路层间协作功率控制算法研究

为了克服Femtocell网络的大规模部署所带来的干扰问题,采用对Femtocell基站发送功率控制的方法。针对Femtocell网络边缘Macrocell用户所受到的强下行链路跨层干扰,通过比较Femtocell用户和Macrocell用户的信干噪比(SINR)与最小SINR阈值的关系,提出了基于Femtocell用户路径损耗的Femtocell基站发送功率自适应调整算法,从而提高了Macrocell用户的通信质量。通过仿真验证,该方法使得Macrocell用户所受干扰明显降低,整体网络性能得以提升。     

基于纳什议价的对等网络资源分配

针对对等(P2P)网络中普遍存在的自由下载问题,提出保证节点最小服务质量的一种基于纳什议价的资源分配方案。首先,建立保证节点最小服务质量的理论模型,分析表明合作博弈的节点议价权力与其最大贡献能力正相关,非合作博弈节点的议价权力与其最大贡献能力负相关,因此,合作节点比非合作节点获得更多的资源;其次,证明了合作博弈中节点的相对议价权力越大,节点获得的资源越多,收益越大,反之亦然。最后,通过仿真验证系统保证节点获得最小服务质量的前提下,合作节点获得的资源与节点的初始资源分配和纳什议价权力等因素相关;初始资源分配与节点的最大贡献能力呈正相关,并随着节点数目的增加而减少;议价权力随着节点数目的增加而下降,节点获得的资源随着节点议价权力的增加而增加。该方案与经典保证公平性的平均资源分配方案相比,合作节点能获得更多的资源。仿真结果验证了理论分析中在保证节点服务质量前提下,节点议价权力越大,获得的资源越多。     

认知无线电网络中基于公平性的功率控制方案

针对现有非合作功率控制博弈算法中存在用户“远近性公平”问题,在主次用户共享频谱的认知无线电上行链路中,给出一种基于代价函数的高效和公平的功率控制博弈算法。在该博弈模型中,代价函数的设定依据次用户接收端信号质量需满足次用户的服务质量要求。改进后的效用函数能够同时兼顾认知无线电系统的总吞吐量和次用户获取资源的公平性,并利用超模理论证明了该模型存在纳什均衡,然后得到求解发射功率纳什均衡解的迭代过程。仿真结果表明,相比已有的研究,该算法不仅能提高认知系统的吞吐量,还能降低发射功率,改善系统效用,而且兼顾了远近用户吞吐量的公平性。     

基于议价博弈的卫星网络时隙分配算法

针对卫星网络中时隙分配公平性不足导致低优先级业务流性能恶化的问题,引入博弈论中议价博弈理论构建网络模型和收益模型,求解并讨论系统最佳收益点及获得条件,提出一种基于议价博弈的时隙分配算法。在最佳收益点上根据实际传输需求进行业务间议价,通过贴现因子反映议价妥协程度,形成合理的分配方案。仿真结果表明,该算法能有效提升业务流间公平性,改善低等级业务的服务质量。     

基于匹配理论的LoRa参数双重匹配优化

将LoRaWAN中的资源分配设定为扩频因子分配和信道分配的优化问题，特别是在LoRaWAN中有大量连接设备的情况下，以保证有限频谱资源的LoRa用户之间的吞吐量公平性。首先，引入匹配理论，将LoRa用户与信道和LoRa用户与扩频因子视为匹配双方，为了最大化它们的效用，提出了一种基于匹配的信道与扩频因子分配算法MSFCAA。然后，以匹配理论为基础，以最大化效用为目标，以最优化网络信道与扩频因子分配为结果，最大限度地提高LoRaWAN中实现的最小信道容量。同时，还提出一种公平传输时间初始化算法，以保证每组参数的吞吐量公平性。仿真结果表明，公平传输时间初始化算法能获得优于其他分配方案的初始分配结果，基于匹配的信道与扩频因子分配算法能显著提升LoRa网络数据提取率并极大降低网络能耗。     

业务量工程中负载均衡与能量效率的折中——基于博弈论的多目标优化

本文研究了如何对业务量工程中的两个重要目标：负载均衡和能量效率进行公平折中。为此,本文基于纳什议价的框架,建立威胁值博弈模型来对业务量路由进行协商。为了避免博弈者自私决策而导致不公平的解或是议价失败,本文还将威胁值博弈拓展成重复博弈,并用机制设计来保证议价结果存在以及得到的解的公平性。通过严格的数学证明,以及在NSFNET中的应用可以看出,本文提出的方案不仅易于实施,还能保证对负载均衡和能量效率两个目标折中的公平性。     

基于快速连续蚁群算法的QoS切换决策机制

随着人们对移动网络服务需求的日益增长,用户需要在复杂的异构网络中实现不同接入技术之间的无缝切换,因此选择总最佳连接并提供服务质量保证的切换决策成为下一代互联网研究的关键内容.为了更好地满足用户的需求,在综合考虑网络信息的不确定性、用户服务质量需求、用户偏好、用户愿意支付的费用以及网络供应商的收益等因素的前提下,设计了基于快速连续蚁群算法的切换决策机制,并引入协商博弈和Nash均衡思想来解决用户之间的串谋问题以保证切换决策的公平性.仿真结果表明,设计的切换决策机制在满足用户服务质量需求的同时,不仅使双方的效用最大,并且最契合用户的偏好,能够很好地解决下一代互联网中支持总最佳连接的切换决策问题.     

基于合作博弈的认知卫星网络信道分配与上行功率控制算法

随着通信业务需求的不断增长,频谱资源的有限性使得卫星通信网络和地面网络都面临着严重的频谱危机。认知无线电技术的出现,使得卫星网络与地面网络共用频率资源以提升网络效用成为可能。文中对认知接入分配给地面网络作为主用户的同一频谱资源的认知卫星网络的功率控制和信道分配问题进行了研究。根据卫星网络和地面网络的特性构建了合理的系统模型,并利用中断概率门限表征了信道估计误差对系统容量的影响。为了保护主基站的通信性能,在考虑信道估计误差、信道资源约束、认知卫星用户最大发射功率和微波基站干扰约束的条件下,根据议价博弈理论设计了优化函数。其次,根据凸优化理论推导了最优发射功率和信道分配的闭式解,并在此基础上设计了一种对偶迭代算法来求解该优化问题。最后,根据卫星网络的特性设置了合理的网络参数,并根据参数利用Matlab仿真平台对提出的算法进行了仿真实验。仿真结果表明:所提方法在不同到达速率的条件下均具备良好的收敛性;信道估计误差会降低网络的总容量;所提方法在波束数多于15个时,相比比例公平性算法容量提升超过50 bps/Hz,相比最大容量法公平性能提升超过一倍,因此,相较于这两种方法,该方法能在系统容量和用户间公平性之间获得较好的折中。     

基于误码率与中断概率约束的femtocell网络分布式功率控制

家庭基站(femtocell)网络可有效改善无线通信业务的室内覆盖性能,提高信道容量.然而,复杂的动态通信环境导致信道的不确定性,影响用户服务质量.基于此,研究双层femtocell网络在快衰落信道环境下基于误码率约束的功率控制问题;考虑信号传输的中断概率,以及服务质量指标–误码率等方面的要求,构造在此约束下的优化问题;最大化双层femtocell网络的净收益,使得网络系统的通信性能最优;通过对概率约束进行数学处理,将其转化为确定性形式,并提出分布式鲁棒优化算法对等价的确定性优化问题进行求解,从而获得最优功率分配策略.最后,通过仿真验证了所提出算法的收敛性和有效性.     

Game Theoretic subcarrier and power allocation for wireless OFDMA networks

This paper proposes a bargaining game theoretic resource(including the subcarrier and the power) allocation scheme for wireless orthogonal frequency division multiple access(OFDMA) networks.We define a wireless user s payoff as a function of the achieved data-rate.The fairness resource allocation problem can then be modeled as a cooperative bargaining game.The objective of the game is to maximize the aggregate payoffs for the users.To search for the Nash bargaining solution(NBS) of the game,a suboptimal subcarrier allocation is performed by assuming an equal power allocation.Thereafter,an optimal power allocation is performed to maximize the sum payoff for the users.By comparing with the max-rate and the max-min algorithms,simulation results show that the proposed game could achieve a good tradeoff between the user fairness and the overall system performance.     

Cost minimization in utility computing systems

Utility computing is a form of computer service whereby the company providing the service charges the users for using the system resources. In this paper, we present system‐optimal and user‐optimal price‐based job allocation schemes for utility computing systems whose objective is to minimize the cost for the users. The system‐optimal scheme provides an allocation of jobs to the computing resources that minimizes the overall cost for executing all the jobs in the system. The user‐optimal scheme provides an allocation that minimizes the cost for individual users in the system for providing fairness. The system‐optimal scheme is formulated as a constraint minimization problem, and the user‐optimal scheme is formulated as a non‐cooperative game. The prices charged by the computing resource owners for executing the users jobs are obtained using a pricing model based on a non‐cooperative bargaining game theory framework. The performance of the studied job allocation schemes is evaluated using simulations with various system loads and configurations. Copyright © 2012 John Wiley & Sons, Ltd.     

超密集网络中基于干扰协调的资源分配算法

超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,该文提出一种基于干扰协调的资源分配方案。该方案分为两个模块：第一模块基于毫微微接入点(Femtocell Access Points, FAPs)间的干扰程度,将干扰强的FAPs分到同一簇内,同簇内的FAPs共享频带资源,通过FAPs间的协作使不同簇之间实现频谱的复用;第二模块基于最大功率和最低速率的公平性准则进行最优功率分配,动态分配资源。仿真结果表明,该算法在超密集网络场景下能够有效控制FAPs间的干扰,最大化系统吞吐量。     

A pricing strategy for job allocation in mobile grids using a non-cooperative bargaining theory framework

Due to their inherent limitations in computational and battery power, storage and available bandwidth, mobile devices have not yet been widely integrated into grid computing platforms. However, millions of laptops, PDAs and other portable devices remain unused most of the time, and this huge repository of resources can be potentially utilized, leading to what is called a mobile grid environment. In this paper, we propose a game theoretic pricing strategy for efficient job allocation in mobile grids. By drawing upon the Nash bargaining solution, we show how to derive a unified framework for addressing such issues as network efficiency, fairness, utility maximization, and pricing. In particular, we characterize a two-player, non-cooperative, alternating-offer bargaining game between the Wireless Access Point Server and the mobile devices to determine a fair pricing strategy which is then used to effectively allocate jobs to the mobile devices with a goal to maximize the revenue for the grid users. Simulation results show that the proposed job allocation strategy is comparable to other task allocation schemes in terms of the overall system response time.     

Resource allocation algorithm with limited feedback for multicast single frequency networks

The single frequency network (SFN) can provide a multimedia broadcast multicast service over a large coverage area. However, the application of SFN is still restricted by a large amount of feedback. Therefore, we propose a multicast resource allocation scheme based on limited feedback to maximize the total rate while guaranteeing the quality of service (QoS) requirement of real-time services. In this scheme, we design a user feedback control algorithm to effectively reduce feedback load. The algorithm determines to which base stations the users should report channel state information. We then formulate a joint subcarrier and power allocation issue and find that it has high complexity. Hence, we first distribute subcarriers under the assumption of equal power and develop a proportional allocation strategy to achieve a tradeoff between fairness and QoS. Next, an iterative water-filling power allocation is proposed to fully utilize the limited power. To further decrease complexity, a power iterative scheme is introduced. Simulation results show that the proposed scheme significantly improves system performance while reducing 68% of the feedback overhead. In addition, the power iterative strategy is suitable in practice due to low complexity.