排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
该文研究了在高斯信道下平均发射功率受限的延时确保调度器的最优化问题。文章首先证明了对于延时确保条件下平均发射功率晟优的时不变调度器,其最优的平均发射功率为延时确保界Dmax的单调递减函数,并根据其单调性给出了平均发射功率最优调度器和延时确保最优调度器之间的对偶关系。基于该关系,给出了到达过程未知条件下平均功率受限的延时确保最优调度器的实现形式。该实现形式中参数的确定方法也在给定到达过程分布的条件下给出,并以泊松到达为例进行了分析。文章的最后还给出了该调度器的一种实际实现方案并进行了仿真,仿真结果表明该方案能够达到调度器的最优。 相似文献
3.
从最优决策的角度出发,将人工智能中的再励学习方法引入主动队列管理的研究中,提出了一种基于再励学习的主动队列管理算法RLGD(reinforcement learning gradient-descent).RLGD以速率匹配和队列稳定为优化目标,根据网络状态自适应地调节更新步长,使得队列长度能够很快收敛到目标值,并且抖动很小.此外,RLGD不需要知道源端的速率调整算法,因而具有很好的可扩展性.通过不同网络环境下的仿真显示,RLGD与REM,PI等AQM算法相比,具有更好的性能和鲁棒性. 相似文献
4.
1