基于博弈论的无线传感网能量均衡模型

提出一种基于贝叶斯博弈的无线传感网能量均衡算法,该算法将每次数据转发过程分解为两个阶段的博弈。第一阶段博弈是指节点结合自身能量水平及参与博弈其他节点的战略,构造静态贝叶斯博弈模型,以最优化期望收益函数的解作为节点参与路由转发数据包的最优决策概率;第二阶段博弈是指源节点与邻居节点根据能量水平及相互战略,构造博弈模型,根据最大化期望收益函数的解,决定双方在博弈阶段的最优转发包数量。仿真实验结果表明,本文提出的算法能够有效地均衡网络的能量消耗,延长网络的生存时间。     

基于Stackelberg博弈的双层水下传感器网络功率分配算法

针对水下传感器协作通信网络中能量消耗严重的问题,为了平衡节点间的能量消耗,同时提高系统的信道容量,提出了基于节点剩余能量的分布式博弈功率分配算法。将用户节点和中继节点间的交易模型构建为双层的Stackelberg博弈,使剩余能量少的节点提供较少的功率进行转发服务,反之则提供较多的功率进行服务,从而平衡节点间的能量消耗。与未考虑剩余能量的算法相比,在有2、3和4个中继节点时,信道容量分别提升了9.4%、23.1%和16.7%。仿真结果表明,该算法不仅提高了系统总的信道容量,而且延长了水下传感器协作通信网络的生存时间。     

基于预测的移动目标跟踪节点协同调度算法

节点调度是分布式传感网降低节点能耗、延长网络寿命的重要手段。针对基于传感网的目标跟踪应用,提出目标运动和节点感知模型,并在此基础上提出一种基于预测的移动目标跟踪节点协同调度算法。算法利用粒子滤波构造节点感知功效函数,利用一种均衡节点剩余能量的方法构造感知能效函数,选举出参与目标跟踪过程的感知组成员。仿真结果表明,该算法具有较高的目标跟踪和定位精度,且可有效平衡节点之间的能耗分布。     

基于分布式估计扩散机制的协作频谱感知方法

研究网络通信频谱优化问题,在分布式网络中,多节点联合估计未知参数.为了满足实时性要求,提出了一种扩散机制的协作频谱感知算法.算法采用扩散矩阵作为加权因子协作更新目标状态估计值,且以较小的均方误差快速实现对信号能量的最优估计.传统的协作感知方法快速性差.提出的算法不需要融合中心,能很好适应拓扑结构动态变化的随机网络.仿真结果表明,改进算法与分布式平均一致性估计算法相比,能够提高实时性并显著改善认知无线电网络的频谱感知性能.     

无线传感器网络路由中合作性重复博弈模型的研究

无线传感器网络中,节点能耗、路径可靠度以及节点的死亡时间是传感器网络路由需要考虑的关键因素.为了提高能量利用率和传感器网络收益,在节点理性且自私的条件下,运用博弈论方法提出了一种基于节点合作的数据包发送/转发的重复博弈模型,设计了一个与路径连通度和节点能量消耗有关的收益函数,采用惩罚机制使重复博弈模型存在子博弈精炼纳什均衡,降低了自私节点背叛的可能性.实验结果表明:采用惩罚机制的重复博弈能够提高网络的收益,同时也提高了网络吞吐量,任何自私节点的不合作行为都导致节点的能量浪费和节点的整体收益下降.     

势博弈与时变Log-linear分布式拓扑控制算法

针对UWSNs由网络拓扑控制不稳定、频繁变化引起网络的能耗不均衡、网络生存周期短等问题,从分析传感器节点受水下不确定性因素对UWSNs的拓扑结构演化入手,构建分布式水下传感器节点状态变量描述模型,归纳出节点之间和节点与环境之间多目标交互、协同、决策的UWSNs拓扑控制优化问题,将多目标优化问题映射成博弈论优化问题,再利用势博弈与Log-linear分布式学习规则实现博弈中节点策略行为的更新过程,采用非齐次马尔可夫链理论证明网络拓扑控制目标函数的优化问题收敛到最大化势博弈函数的解,从而达到保持网络均衡、延长网络生存周期的目的.     

基于协作博弈的ZigBee能量优化路由算法

针对 ZigBee网络节点协作过程中,由于工作任务不均衡导致能耗不均问题,从带有竞价的博弈角度提出了基于协作博弈的ZigBee网络能量优化路由算法。首先建立了ZigBee路由博弈的系统模型以及能耗模型;其次,针对ZigBee网络节点建立了基于斯坦克贝格博弈的ZigBee协作博弈模型,分析了协作博弈的近似纳什均衡解,给出了优化的路由算法流程描述;最后的OPNET仿真实验表明,改进的路由算法能够在节点失效数目、能量消耗以及生存时间上得到了一定的改善。     

无线传感网络中基于综合因素的分布式路由算法

近年来由于在多方面的广泛应用,无线传感器网络受到了越来越多的关注.然而限于无线传感器网络自身的限制,如何更好地节省能量,仍为无线传感器路由协议设计中面临的主要问题之一.LEACH等基于分簇的路由协议通过成簇来减少能量消耗,但是成簇过程却带来额外消耗以及冗余.对LEACH协议中簇头生成算法进行了研究并提出了改进,提出了基于节点能量、节点距离以及节点度的分布式优化算法,并对优化算法进行分析与仿真.仿真试验表明,基于综合因素的分布式簇头选举算法优化了簇头选举方式和簇头的分布,从而节省了能量消耗,延长了网络生存周期.     

基于分簇算法能量优化的研究

分簇算法是有效解决无线传感器网络节点能耗受限与不同节点能量开销不平衡问题的主要方法之一.分簇算法中簇群成员节点和簇首的通信方式与簇群的拓扑结构决定整个簇群的能量消耗速度.通过建立簇半径与能量消耗关系模型,基于不同的约束条件和优化目标,优化簇半径取值使网络能耗达到最小化.方法仿真结果表明选取适当的分簇半径能够减少网络的能量消耗,均衡网络负载,延长网络的生存期,对无线传感器网络的能量优化设计有一定的参考价值.     

Ad Hoc 网络节能型功率控制与拥塞控制的跨层优化

有限的节点能量和通信带宽,是Ad Hoc网络的两个重要的特点.节点能量是影响网络容量的关键因素,也是制约网络寿命的决定因素;而有限的通信带宽使得网络更容易产生拥塞.因此,节能型的功率控制与拥塞控制联合优化在Ad Hoc网络中显得尤为重要.首先,设计了节能型的网络效用最大化问题,即在目标函数中引入能量消耗成本函数,从网络效用和网络寿命两个方面来综合优化网络性能.其次,运用对偶分解与梯度投影方法,提出了相应的节能型功率控制与拥塞控制联合优化算法.另外,分析和证明了所提算法的收敛性.最后,详细的仿真结果表明了所提算法的有效性:在保持网络吞吐量基本不变的同时,可以有效地减少节点的能量消耗,从而延长网络寿命.     

利用改进ILP和二进制穷举择优法的低成本物联网流量多目标路由感知方法

针对无线网络不能为多样化应用需求提供支持及卸载移动通信核心成本较高的问题,提出了一种改进整数线性规划模型(IILP)结合二进制穷举择优法的低成本混合物联网流量多目标路由感知方法。首先,基于IILP对混合物联网流量路由感知进行建模,获得准确的能量感知模型;其次,采用多目标MAXI路由感知算法对多目标路由感知模型进行了求解,降低了流量路由求解的延时;最后,采用二进制穷举择优法对流量路由感知的吞吐量进行扩展。仿真实验表明,与现有算法相比,提出方法降低了求解的延时,提高了流量的吞吐量,减少了流量的丢包率,同时还降低了混合物联网多目标路由感知的成本。     

蜂窝网络中基于双层博弈的吞吐量最大化研究

如何提升系统的吞吐量是蜂窝网络中研究的热点。利用设备到设备通信(D2D)技术为蜂窝边缘用户设备提供中继支持，进而提升系统的吞吐量。描述一种中继节点选择和频谱分配的联合问题，帮助蜂窝边缘用户设备寻找合适的中继节点，并为D2D链路分配频谱，在满足D2D和传统蜂窝用户设备干扰约束的条件下使系统吞吐量最大化。为此，提出一种基于双层博弈模型的分布式算法，对上述问题进行求解。该博弈模型分为内层和外层；内层通过Stackelberg博弈理论为蜂窝边缘用户设备选择中继节点，并将其作为主节点，蜂窝边缘用户设备作为从节点；外层采用联合博弈理论为蜂窝边缘用户设备及其中继节点间的链路分配合适的频谱。仿真结果表明本文算法在能耗、吞吐量等方面的性能要优于其他典型算法。     

单台批处理机生产运输协调合作博弈调度问题

研究单台批处理机生产与生产前运输的协调调度问题,目标函数为最小化与完成时间相关的生产总成本.以工件为博弈方,以联盟的最大成本节省为特征函数,将调度问题转换为合作博弈模型.针对相同运输时间与加工时间的情形,证明该合作博弈具有非空核,beta规则可得一个核分配.针对一般问题,设计Q-learning算法求解联盟最优调度,并利用beta规则对节省的成本进行分配.数值算例验证了合作博弈模型的可行性以及Q-learning算法与beta规则对节省成本分配的有效性.     

多主体目标优化的动态合作博弈方法*

通过多目标优化和动态合作博弈理论,定义了联盟中多主体目标优化问题,提出了能够适应动态环境的基于合作博弈的多主体目标优化模型。该模型的组成一方面能够利用主体的协作能力,另一方面又能够充分考虑动态联盟的特征,适合大规模网络中多主体协作,避免模型中主体理性和团体理性的冲突。基于所提出的多主体目标优化模型,设计了一种联盟效用分配算法。仿真实验表明,联盟效用分配算法能够使多主体根据最优共识原则,分配各方的合作效用,从而达到多赢的帕累托最优局面。     

基于合作博弈的虚拟化资源效用分配策略

效用分配是网格虚拟化资源提供者结成联盟完成用户任务时的关键问题。针对资源提供者建立联盟来提高网格整体效用的情况,研究了利用合作博弈论分配网格资源。给出了资源建立联盟的依据,并以基于费用最小化的MIN_COST算法得到了资源的最优化映射方案。在效用分配中,分别从联盟效用的平均分配和Shapley值分配两方面进行了分析,提出了基于Shapley值的资源联盟效用分配策略。算例结果表明,网格资源联盟可以提高任务的执行效率和资源整体收益,而Shapley值法在均衡联盟个体的效用分配方面也是有效可行的。     

A dynamic coalition formation game for search efficient adaptive overlay construction in unstructured peer-to-peer networks

A great number of recent works deal with improving search in peer-to-peer systems, specifically by clustering peers into semantic groups. When the process of clustering is predetermined and static, it suffers from lack of adaptation to highly dynamic peer-to-peer environments. We model the problem as a non-superadditive coalition game with non-transferable utility characteristic function, and propose a distributed dynamic coalition formation algorithm through myopic best-reply with experiment rule to solve the coalition formation problem. Coalitions are formed by peers with similar interests considering geographical proximity. The overlay network is dynamically reconfigured over time based on the changes in the interests or locations of the individual peers. The convergence of the proposed algorithm using “core solution” concept is studied. The simulation results show that the proposed algorithm can efficiently reduce the search time, although the overhead of the overlay adaptation is slightly higher.     

基于分布式神经动态优化的综合能源系统多目标优化调度EI北大核心CSCD

研究了基于神经动态优化的综合能源系统(Integrated energy systems,IES)分布式多目标优化调度问题.首先,将IES元件单元(包含负荷)作为独立的决策主体,联合考量其运行成本和排放成本,并计及多能源设备间的传输损耗,提出了IES多目标优化调度模型,该模型可描述为一类非凸多目标优化问题.其次,针对此类问题的求解,提出了一种基于神经动力学系统的分布式多目标优化算法,该算法基于动态权重的神经网络模型,可以解决不可分离的不等式约束问题.该算法计算负担小,收敛速度快,并且易于硬件实现.仿真结果表明,所提算法能同时协调综合能源系统的经济性和环境性这两个冲突的目标,且获得了整个帕累托前沿,有效降低了综合能源系统的污染物排放量和综合运行成本.     

带有交货期的比例流水车间调度问题的合作博弈

针对具有多个客户订单的比例流水车间调度问题,在考虑有交货期及提前和拖期惩罚下,以客户支出成本为优化指标,在客户通过合作结成联盟的方式下,以联盟内成员进行重新调度所获得的最大成本节省为联盟的价值,建立合作博弈模型.该合作博弈是具有无外部性的平衡博弈,从而有非空核.考虑到客户对提前加工和延迟加工的迫切程度不同,提出基于提前及拖期惩罚的β规则分配方法,该方法能得到带有交货期的比例流水车间调度合作博弈的一个核分配.通过混合差分进化算法求解最优调度顺序,实验结果验证了基于合作博弈模型的调度方法及成本分配方法的有效性.     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

An approach for community detection in social networks based on cooperative games theory

Detecting communities is of great importance in social network analysis. However it is an issue that has not yet been satisfactorily solved, despite the efforts made by interdisciplinary research communities over the past few years, because of the nature of complexity in deciding how community structures should be recognized. In this paper we propose an approach based on cooperative game theory for community detection in social networks. We regard individuals as players, and regard communities as coalitions formed by players, and model community detection problem as the formation and optimization of coalitions. Furthermore, we define coalition profile for players to indicate coalitions that players joined, the order of a coalition profile is defined as the number of coalitions in a coalition profile, and we introduce a utility function to measure preference of coalition profiles. Accordingly, we propose an algorithm to detect a coalition profile with maximal utility function values. We have implemented the algorithms developed in this study and experimental results demonstrate the effectiveness of our approaches.