基于任务间依赖关系的小小区协作卸载策略

在密集部署的小小区网络中,考虑到小小区基站（SBS）的计算资源有限,提出了基于任务间串并依赖关系的协作卸载策略,以降低计算卸载任务的整体完成时延.首先,考虑将可以同时执行的并行任务卸载至不同的SBS,利用计算资源的分布式特点来降低整体时延,同时最大化单个SBS上的串行任务数量,以减小所需SBS的数目;然后,根据网络的负载均衡情况对2种场景进行讨论,联合考虑任务间的依赖关系、不同SBS的可用计算资源量和SBS与用户间的信道质量,分别引入最长路径理论和图着色算法以确定最佳任务卸载方案.仿真结果表明,与已有策略相比,所提策略可降低计算卸载任务的整体完成时延.     

基于多智能体强化学习的区块链赋能车联网中的安全数据共享

针对基于委托权益证明(Delegated Proof-of-Stake, DPoS) 共识算法的区块链赋能车联网系统中区块验证的安全性与可靠性问题, 矿工通过引入轻节点(如智能手机等边缘节点)共同参与区块验证,提高区块验证的安全性和可靠性。为了激励矿工主动引入轻节点, 采用了斯坦伯格(Stackelberg)博弈模型对区块链用户与矿工进行建模, 实现区块链用户的效用和矿工的个人利润最大化。作为博弈主方的区块链用户设定最优的区块验证的交易费, 而作为博弈从方的矿工决定最优的招募验证者(即轻节点)的数量。为了找到所设计Stackelberg博弈的纳什均衡, 设计了一种基于多智能体强化学习算法来搜索接近最优的策略。最后对本文方案进行验证, 结果表明该方案既能实现区块链用户和矿工效益最大化, 也能保证区块验证的安全性与可靠性。     

具有QoS保障的多小区M2M负荷均衡算法

针对机器间通信终端分布不均引起的系统吞吐量减小和用户接入时延增大等问题,提出一种多小区机器间通信负荷均衡算法,综合考虑了各小区机器间通信接入负荷因子以及机器间通信设备的信号质量,建立了优化模型并将其近似为凸优化问题,实现了各小区间的负荷均衡. 仿真结果表明,当小区间负荷不均时,所提多小区机器间通信负荷均衡算法能够大大改善系统吞吐量和用户接入时延性能.     

基于DDPG的无人机轨迹规划及功率控制算法

针对无人机辅助地面用户下行通信的场景，以用户的最小平均可达速率最大化为目标，提出了无人机轨迹约束、功率约束和用户接入调度的优化问题。考虑到约束条件的耦合性和优化问题的非凸性，将构建的优化问题建模为马可科夫决策过程，提出了一种基于深度确定性策略梯度(DDPG)的无人机轨迹规划和功率控制算法。仿真结果表明，所提算法能够有效地提高用户的最小平均可达速率。     

认知无线网中基于队列博弈的频谱选择算法

针对认知无线网络中分布式分组数据自适应传输问题,提出了一种新的基于队列博弈的频谱选择算法.该算法将数据传输问题建模成频谱选择的潜在博弈,考虑主用户占用频谱的影响,利用排队理论分析并构建用户效用函数,通过自主调整频谱选择策略实现频谱分配及跨层优化传输时延、分组损失率.仿真对比表明,所提出的算法存在纳什均衡,更有效地降低了分组传输时延及数据损失率,更加快速地收敛到策略均衡点,且具有更小的复杂度.     

无线局域网中业务流接入控制的博弈论算法

提出一种IEEE 802.11无线局域网中的用户流接入控制(AC)算法．通过建立用户流的QoS满意度(UQS)函数,将用户与接入点(AP)之间的接入控制决策过程建模为UQS最大化下的非协作博弈;根据此博弈的纳什均衡解,在不同的网络负载条件下,给出AP的最优接入控制策略(G-AC)．仿真结果表明:G-AC算法能够为接入的用户流提供定量的QoS保证;并且,同传统的截止优先权AC算法(CP)相比,G-AC算法可以根据网络负载状况自适应的改变接纳策略,从而获取更高的带宽资源利用率(平均吞吐量高于CP算法10％),并为服务商带来更高的网络收益．     

无人机辅助NOMA下行的用户分簇与功率分配算法

针对用户非均匀分布的无人机辅助非正交多址接入(NOMA)下行通信系统,提出了最大化和速率的用户分簇与功率分配算法。考虑用户服务质量,建立了最大化和速率的功率分配优化问题,为了解决该问题,提出了三步策略降低求解复杂度。首先,确定了无人机的最佳部署位置;其次,基于无人机位置,提出了角度密度的噪声空间聚类算法;最后,使用连续凸逼近方法获得功率分配问题的次优解。仿真结果显示,所提算法的分簇效果与通信性能优于相同场景中的传统算法。     

随机化竞争的LTE-A中继蜂窝小区边缘协作调度策略

提出了随机化竞争调度算法. 该算法属于协作调度算法的范畴,适用于对相邻中继蜂窝小区边缘的用户进行联合调度. 以此算法为基础,提出了基于随机化竞争的中继蜂窝小区边缘协作调度策略. 该策略通过在相邻小区边缘可能产生资源冲突的区域形成协作中继簇,并在协作中继簇覆盖的区域内应用随机化竞争调度算法,能够尽量避免相邻小区之间产生同频干扰,从而提升小区边缘的传输性能. 仿真结果表明,所提出的协作调度策略有效地降低了相邻小区中继站对边缘用户的干扰,提升了小区边缘的吞吐量,并在一定程度上增强了小区中心和边缘区域之间的调度公平性.     

相控阵雷达搜索和跟踪资源博弈分配策略

为了解决搜索和跟踪（SAT）资源分配（RA）实时性的问题,提出博弈论视角下的资源分配策略. 建立搜索与跟踪的系统模型,将SATRA建模为非合作博弈问题,将模型中搜索子空域和跟踪多目标间的资源分配问题看作合作博弈关系,利用Shapley值完成相应资源的分配,给出纳什均衡求解的双目标优化模型;为了快速找到符合决策者偏好的分配解,将双目标优化模型通过动态加权的理想点法转化为单目标优化问题,提出并行混合遗传粒子群优化（PHGAPSO）算法求解上述优化问题最优分配方案,仿真验证了博弈分配策略的有效性和先进性以及混合算法性能的优越性. 在相同的条件下,与帕累托双目标优化方法进行对比. 实验结果表明,博弈论的方法具有更高的灵活性,平均搜索信噪比提高了1.02%,平均跟踪目标误差降低了1.55%.     

无线局域网中多用户接入控制的博弈论算法

应用非协作博弈论提出一种无线局域网多用户接入控制(AC)算法.以分组发送时延作为实时用户对QoS的满意度指标,先建立AP对单用户的AC博弈模型(SAG);然后将SAG扩展为多用户AC博弈(MAG);通过求解MAG的纳什均衡,得到AP获取效用最大化的多用户接入策略。仿真结果表明,通过调整多用户接入缓冲区和AC周期的大小,MAG能够获得理想的用户接入时延;且与SAG相比,MAG能够在不影响系统吞吐量的情况下,通过优化接入用户的组合,显著地提高网络服务供应商的收益率(14%)。     

异构网络中几乎空白子帧存在时干扰协调方法

针对异构网络中几乎空白子帧存在时用户接入选择和资源分配方法过于复杂的情况,以及吞吐量需求难以得到满足问题,以最大化系统总吞吐量为目标提出一种易于实现的蚁群算法.在考虑不同用户不同需求的前提下,根据微基站用户在几乎空白子帧和正常子帧时受到干扰的不同,把一个微基站划分为两个虚拟基站,将所存在的问题建模为广义分配问题进行求解,同时解决了用户接入选择和资源分配问题.仿真结果表明,所提出方法与参考文献方法及两种增强型小区干扰协调固定配置结果相比,可以有效提高系统总吞吐量,同时兼顾小区边缘用户吞吐量,实现了良好的综合性能,能够更好地满足用户需求并在实际系统中易于实现.     

上行小小区网络采用累计分布函数的资源分配

为了降低上行小小区网络中共信道干扰对频谱效率的影响,提出了一种基于累计分布函数的用户调度和分布式功率分配联合优化算法．小小区基站选取信噪比累计分布函数值最大的用户进行调度,被选中的用户调整发送功率,使其对同频小区的干扰低于门限值．通过设置合理的门限值,将全局最优问题转化为分布式最优问题,采用拉格朗日对偶分解,获取最优的功率分配．仿真结果表明,该算法同传统最优功率分配算法相比,能够降低复杂度,并且具有相近的系统性能．     

基于QoE的MIMO-NOMA系统功率分配方案

在多输入多输出非正交多址接入（MIMO-NOMA）系统中,衡量通信质量时仅仅考虑了用户的服务质量（QoS）,而没有考虑用户终端的满意度.为此,提出一种基于Stackelberg博弈的优化用户体验质量（QoE）的动态定价功率分配算法.在网页浏览业务场景下,用平均意见分数（MOS）值来衡量用户终端的满意度,将用户设置为买方,基站设置为卖方,小区内各用户从基站处以瞬时单位功率价格购买功率,提升其MOS值;同时,卖方基站不断调整单位功率价格,以实现自身最大化收益,最终达到Stackelberg均衡.仿真结果表明,所提算法与基于QoS的功率分配算法相比,在公平性上提升了22.73%;与传统的定价算法相比,在吞吐量和MOS值上有明显提升;与基于凸差规划的功率分配算法相比,在时间复杂度上有明显降低.     

基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

超密集网络中非合作博弈的功率分配算法

为了抑制超密集网络中小小区基站的密集化部署带来的干扰,并提高系统的吞吐量,本文研究了频谱共享超密集网络中的功率分配策略.首先,针对非凸的系统和速率最大化问题,采用非合作博弈模型将其转化为每个用户效益函数最大化的凸子问题,并通过设计一种动态定价使得非合作博弈模型的纳什均衡点（NE）是原优化问题的驻点.其次,为了保证宏小区用户的服务质量（QoS）,模型中引入了干扰功率约束条件来抑制宏小区受到的干扰.最后,在此非合作博弈论框架下,设计了一种迭代式的基于全局信息的功率分配算法.每次迭代通过求解KKT条件获得每个用户的最优发射功率,通过理论推导证明了迭代算法可收敛到博弈模型的NE.此外,为了减少迭代算法的信令开销、提高资源利用率,还提出了一种基于局部信息的功率分配算法.仿真结果表明,所提出的基于全局信息的功率分配算法比对比方法具有更好的传输性能,所提出的基于局部信息的功率分配算法在保证较好的传输性能的前提下有效地减少了信令开销.     

异构蜂窝网络中一种基于匈牙利算法的用户关联方法

在异构蜂窝网络中使用传统的小区选择方法会导致宏基站和小基站的负载失衡,而与小基站关联的用户面临服务质量 (QoS) 的降低的问题。针对该问题,提出了一种基于效用函数最大化的用户与基站关联方法。该方法将用户与基站的关联过程建模为双目标优化问题并且线性化为系数可调的效用函数最大化问题,以实现基站负载均衡和用户QoS之间的折中。通过设计权值系数,将该效用函数最大化问题转化为基于二部图的最大匹配,并用匈牙利算法求得最优解。仿真结果表明,该方法实现了异构蜂窝网络中宏基站与小基站之间的负载均衡,并且通过系数调节,达到了基站负载均衡和用户QoS之间的折中。     

UDN中基于JR-CoMP的分簇和资源分配方案

针对超密集网络（UDN）中的上行干扰问题,提出了一种基于多点协作联合接收（JR-CoMP）的分簇与资源分配方法.首先,将用户和基站进行单频段分簇,将同一小小区的多个边缘用户放在不同的用户簇中,将位于相邻小小区并且距离较近的边缘用户放在同一个用户簇中,根据中心用户到已有基站簇的干扰强度将其归簇;然后,对用户簇进行多重子频段分配,为包含同一个小小区用户的多个簇分配不同的子频段,并且尽量为每个用户簇多分配子频段;最后,以最大化系统总传输速率为目标,采用注水算法为每个用户分配功率.仿真结果显示,所提方案能显著提高频谱效率.     

多基站协作异步干扰抑制预编码设计

在多基站协作通信系统中,针对基站与用户间距离差异将导致用户接收信号的异步干扰的问题,提出一种基于粒子群优化算法的异步干扰抑制预编码设计.该设计将预编码矩阵转化为寻优粒子位置参数矩阵,通过粒子间智能学习更新优化位置参数,调节适应度函数,最大化用户信干噪比,抑制异步干扰.数值分析结果表明,相对于改进的块对角化算法,所提算法使系统总速率提高了2～7 bit/s,且具有很好的收敛性.     

基于遗传算法的多基站协作通信功率分配方案

将多基站协作通信的功率分配问题转换为信干噪比(SINR)均衡问题。通过设置路径损耗门限为各用户判决与其通信的协作基站,并考虑用户间接收SINR的公平性,给出基于遗传算法的多基站协作通信功率分配方案。数值分析表明,相对于传统蜂窝小区等功率分配以及多基站协作通信等功率分配,该功率分配方案使系统中各用户的平均SINR分别提高17.75dB和2.36 dB。     

认知MIMO系统中基于博弈论的干扰对齐算法研究

为消除用户间干扰,提高认知无线电多输入多输出（CR-MIMO）系统传输速率,给出一种基于博弈论的干扰对齐算法。该算法首先采用注水算法为主用户进行功率分配,同时设计次用户预编码使次用户信号落入主用户未分配功率的子信道。然后将次用户之间的多条干扰链路构成一个博弈群体进行求解,实现次用户之间的干扰对齐。此外,为最大化次用户传输速率,将次用户功率分配问题转换为布谷鸟鸟巢的选择问题,构造适应度函数,得到最优的功率分配方案。数值分析表明,该算法可以消除主次用户的干扰以及次用户之间的干扰,传输速率比最大信干噪比（Max-SINR）算法高2 b·s-1·Hz-2,同时,结合布谷鸟搜索算法进行功率分配后传输速率高于文献[13]。