一种多无线电系统中基于公平性和精细化带宽分配的资源分配算法

该文针对以OFDMA(Orthogonal Frequency Division Multiple Access)为多址接入方式的多无线电系统中用户比例公平性和系统效率问题进行了研究,提出一种联合资源分配算法,不仅保证了用户比例公平性下系统的吞吐量,还充分考虑了分配的带宽是子信道带宽整倍数的特点,对分配给每个终端的带宽进行子信道整数倍调整。最后通过仿真对比,从系统吞吐量和公平性两方面给出了算法的性能。     

提高LTE下含D2D通信的蜂窝网络公平性方案

设备间(D2D)通信可以提高频谱效率,但同时可能对现存的蜂窝网络产生干扰. 为了减小D2D用户对蜂窝系统公平性的破坏,提高蜂窝系统的整体性能,提出改进的比例公平(IPF)干扰控制方案,在保证蜂窝用户和D2D用户的服务质量需求的前提下,为每一个D2D对选择最佳的蜂窝用户来共享频谱资源. 通过数值结果分析显示,IPF方案比起之前的方案,能够有效改善蜂窝系统的公平性和吞吐量.     

基于HSDPA的增强型分组调度算法研究

从系统吞吐量、用户公平性等方面分析研究了HSDPA系统中支持非实时业务的三种经典分组调度算法RR、Max C/I和PF。针对PF算法重传时延过长问题,提出了一种结合混合自动请求重传HARQ的增强分组调度算法。该算法通过提高重传分组的优先级降低重传时延,有效地避免系统资源的浪费。MATLAB仿真结果表明,该算法在降低单用户重传时延的同时,仍能保证用户间的公平性和系统的吞吐量。     

多用户正交频分复用加权比例公平调度

传统的正交频分复用(OFDM)调度进行资源分配时没有考虑用户间速率比例公平性。针对这一问题,提出了一种新的适合于混合业务的多用户OFDM系统比例公平调度方案,其用户队列承载混合类型业务。该方案在用户间速率成比例约束条件下最大化系统权重容量和;授予用户队列中不同类型的分组不同的权重因子,并通过权重因子计算用户的权重;在子载波分配时不仅定义了信道优先级因子,而且在用户间速率成比例公平约束条件下通过该因子为用户分配子载波;最后推导出一种线性的功率分配方式。仿真结果与分析显示,该方案可以较好地满足用户速率和业务时延的需求,且可以在有效提高系统容量的基础上,严格地保证用户容量公平性。     

改进的CHOKe公平性主动队列管理算法

针对主动队列管理算法中的CHOKe算法对非响应流的惩罚力度不够、精确度不高的问题,提出一种新的惩罚非响应流算法——LRU-CHOKe。该算法以最近最少使用(LRU)击中取代CHOKe击中,提高CHOKe击中的有效性;利用路由器队列击中,自适应丢包,并结合新的丢包策略来加强对非响应流的惩罚,从而提高网络带宽公平性。仿真结果表明,LRU-CHOKe相比CHOKe和HCHOKe算法能更加有效地惩罚非响应流,实现更为公平的带宽分配。     

基于网络效用最大化的车联网功率控制算法

针对车联网（IoV）中车流密度增加到一定程度时,即使无线信道中只有信标消息,信道拥塞也会发生的问题,提出一种分布式加权公平功率控制（D-WFPC）算法。首先,考虑车联网的实际信道特性,采用Nakagami-m衰落信道模型建立随机信道模型;然后,考虑车联网中节点的移动性,基于网络效用最大化（NUM）模型建立功率控制优化问题,控制本地信道负载在阈值之下,从而避免拥塞;最后,通过对偶分解和迭代法解决该问题,设计分布式算法,每辆车根据周围环境的邻居车辆的信标消息,动态调整发射功率。仿真实验中,与固定发射功率方案相比,随着车流密度增大,D-WFPC算法能有效降低时延和丢包率,最高降幅分别达到24%和44%;与公平分布式发射功率拥塞控制（FCCP）算法相比,D-WFPC算法全程性能占优,时延和丢包率的最高降幅分别达到10%和4%。仿真结果表明,D-WFPC算法能快速收敛,保证车联网中消息的低时延、高可靠传输。     

考虑横向公平的双渠道销售闭环供应链定价策略与协调研究

考虑双渠道零售商和制造商组成的闭环供应链,分别构建了制造商直接回收、委托第三方回收模式下的动态博弈模型,以公平中性时的均衡策略为参照,对比分析了线下零售商的横向公平偏好对双渠道闭环供应链中各决策主体定价策略及利润的影响。研究表明,无论零售商是否存在横向公平关切行为,制造商直接回收模式都优于委托第三方回收。在直接回收模式下,线下零售商的横向公平偏好使得在正向供应链中的两零售商为提高市场占有率会竞相降低零售价格,制造商为鼓励竞争会降低批发价,并且价格均与横向公平关切系数负相关。在逆向供应链中,制造商会提高废旧产品的回收率;相比公平中性的情况,此定价策略使制造商和整个供应链系统效用增加,而两零售商收益递减。制造商作为渠道管理者为鼓励零售商之间竞相降价,可通过一个三方收益共享的契约实现协调,达到帕累托最优。     

基于横向公平偏好的供应链知识共享激励与监督

考虑成员企业公平偏好行为,并引入核心企业对成员企业的监督函数,构建双代理人情形下的供应链知识共享激励与监督模型,剖析成员企业公平偏好对供应链知识共享激励与监督效果的影响。研究结果表明：激励与监督机制对知识共享努力水平的提升具有互补性;随着核心企业监督水平的提升,产出激励系数减少,奖惩系数增加;成员企业公平偏好对供应链知识共享激励系数和供应链知识共享奖惩系数并不总是起到积极作用,但可以提升知识共享努力水平。     

适应异构集群的Mesos多资源调度DRF增强算法

云计算集群环境下多资源分配的公平性是考量资源调度子系统最重要的指标之一,DRF作为通用的多资源公平分配算法,在异构异质的集群环境下可能有失公平性。在研究Mesos框架中DRF多资源公平分配算法的基础上,设计并实现了增加机器性能评估影响因子的meDRF分配算法。将计算节点的机器性能得分,作为DRF主导份额计算的因子,使得计算任务有均等的机会获得优质计算资源和劣质计算资源。通过选取K-means、Bayes及PageRank等多种作业进行实验,实验结果表明:meDRF较DRF分配算法更能体现多资源分配的公平性,且资源分配具有更好的稳定性,能有效提高系统资源的利用率。     

基于二元对称多项式的公平秘密共享方案

基于二元对称多项式,提出一种新的公平[(t,n)]门限秘密共享方案,能够确保：所有参与者都合法且诚实时,均能恢复正确的秘密;存在欺骗者时,所有参与者都无法恢复正确的秘密。该方案利用二元对称多项式不仅为任意两个参与者提供会话密钥;结合离散对数,在确保每个share持有者拥有较少share的情况下,使得Dealer可以选取足够长的秘密序列,从而确保方案的公平性。此外,方案在异步环境下也能实现公平秘密恢复。与Harn方案相比,该方案更加公平和灵活。