基于网络编码的用户协作博弈资源分配算法

在正交频分多址接入两用户协作中继系统中,为进一步提高协作系统的吞吐量,提出在协作节点处运用网络编码(NC)进行全双工协作通信的传输方案. 同时,引入纳什议价均衡(NBS)博弈,考虑协作用户吞吐量均衡,设计了双层纳什议价均衡(DL_NBS)博弈来协调用户对间的子载波和功率分配. 仿真结果表明,基于NC协作系统方案的吞吐量比普通协作传输模式提高约491%,比直传模式提高约464%;DL_NBS博弈资源分配方案与传统资源分配算法相比,不仅更适用于分布式用户协作场景,且能取得公平性和有效性的折中.     

认知网络中基于演化博弈的频谱感知技术

提出了一种基于演化博弈理论的认知网络协作频谱感知方法.对协作频谱感知中次级用户的传输时间和吞吐量进行分析,建立协作感知的博弈模型并研究其动态演化特性,基于次级用户吞吐量最大化准则,得到相应纳什均衡解,在此基础上提出一种次级用户自适应分布式学习算法.理论分析和仿真结果表明,这种协作感知方法在保证检测性能的基础上,有效减少了协作通信开销,提高了次级用户吞吐量.     

Evolutionary Game for Cooperative Spectrum Sensing in Cognitive Radio Networks

提出了一种基于演化博弈理论的认知网络协作频谱感知方法.对协作频谱感知中次级用户的传输时间和吞吐量进行分析,建立协作感知的博弈模型并研究其动态演化特性,基于次级用户吞吐量最大化准则,得到相应纳什均衡解,在此基础上提出一种次级用户自适应分布式学习算法.理论分析和仿真结果表明,这种协作感知方法在保证检测性能的基础上,有效减少了协作通信开销,提高了次级用户吞吐量.     

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。     

认知无线电中基于非合作博弈的功率分配方法

提出了一种适合于认知无线电网络的功率控制方法．基于信扰比的代价函数,借助兼顾认知用户公平性的惩罚因子,构造一种新的支付函数．基于该支付函数提出了一种非合作博弈功率控制模型．结合博弈理论,证明了该博弈模型纳什均衡解的存在性和惟一性,同时得出该纳什均衡解是帕累托最优的．仿真结果表明,基于该博弈模型功率分配方法收敛性比传统算法好,通过设置合适的惩罚因子等参数,3~5次迭代即可收敛,满足系统实时性要求,同时系统通过量较传统算法有1~4倍的改善．     

证券市场中庄家与散户间的确定性微分博弈

基于确定性微分博弈理论,建立了一种庄家与散户间的连续时间的博弈模型.首先将所有散户作为一个整体与庄家进行博弈,以博弈双方持股率的动态关系作为动态系统方程,并以此构建了一个确定性微分博弈模型; 然后运用开环纳什均衡和反馈纳什均衡分别求解出满足共态函数的常微分方程组和满足价值函数的Issacs - Bellman偏微分方程,以此得到庄家与散户博弈的开环纳什均衡策略和反馈纳什均衡策略.该结果可为金融监管部门监管证券市场和证券市场投资者买卖股票提供参考.     

认知无线电网络中基于演化博弈的协作频谱感知技术

 提出了一种基于演化博弈理论的认知网络协作频谱感知方法．对协作频谱感知中次级用户的传输时间和吞吐量进行分析,建立协作感知的博弈模型并研究其动态演化特性,基于次级用户吞吐量最大化准则,得到相应纳什均衡解,在此基础上提出一种次级用户自适应分布式学习算法．理论分析和仿真结果表明,这种协作感知方法在保证检测性能的基础上,有效减少了协作通信开销,提高了次级用户吞吐量．     

一个新颖的异构无线网络接入选择算法

针对目前已有的异构无线网络接入选择算法缺乏考虑用户之间的竞争性,引入非合作博弈理论对接入选择进行研究.首先考虑了无线网络资源分配方式对用户实际获得数据速率的影响,建立实际数据速率计算公式;然后利用非合作博弈理论描述用户之间自我优化的竞争行为,建立接入选择模型并使用纳什均衡来预测用户的接入选择结果;最后建立适应度函数并利用离散量子粒子群算法求解纳什均衡.通过与遗传算进行比较,得出离散量子粒子群算法具有更好的收敛速度.通过对在不同网络状态下的接入选择结果进行分析,得出本文所提的算法能够适应网络的动态变化,同时该结果也能够合理地解释用户之间以自我优化为目的的竞争行为.     

无线传感器网络QoS路由博弈模型的研究

针对无线传感器网络中单个节点能量和网络整体性能的博弈问题,提出了交叉博弈模型.交叉博弈的节点在各自单独的路由中,如果存在纳什均衡,则在该节点处形成交叉操作.仿真证明该模型具有较好的综合性能.     

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.     

认知D2D通信中基于博弈论的动态频谱分配方案

提出了一种新的基于非合作博弈的动态频谱分配方案,考虑多个蜂窝用户服务中心和具有认知能力的设备到设备(D2D)通信用户组,利用伯川德(Bertrand)博弈理论来解决用户频谱分配问题,分别对D2D对用户组和蜂窝用户服务中心的效用函数进行了改进,并给出了蜂窝用户服务中心的最优定价和D2D对用户组的动态价格调整策略,进一步证明了纳什均衡解的存在性和算法的收敛性.通过仿真实验,分析了不同蜂窝用户数和学习因子对所提出方案性能的影响.与现有结果进行比较显示,新方案在频谱利用率和系统公平性方面均有改进.     

一种采用剩余服务时间的异构网络选择算法

We propose a network selection algorithm based on the residual service time for the network selection problem in heterogeneous networks. There have been already many research works and achievements in this area, but most of the existing works just consider the optimal user or network revenue which does not consider the impact of new users. This paper presents the concept of the residual service time, and uses it to model the impact of the new users, in order to get a better network option on long time scales. In this paper, we use the non-cooperative game to model the network, and prove that the Nash equilibrium of the model is also the global optimal solution. Finally, we use the Lyapunov stability theory to show that the proposed algorithm is stable. Simulation results show that the introduction of the residual service time can improve the network performance, reduce the blocking rate, and increase the total network revenue.     

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.     

Deployment optimization of the self-organized network on near space platforms based on the game theoretical learning algorithm

Aiming at the self-organized networking problem on near space (NS) communication platforms, a distributed optimization method for the deployment of the network on NS platforms is proposed based on the game theoretical learning algorithm. First, the self-organized network deployment on NS platforms is modeled as a potential game, and the optimizing objective is the network’s coverage area and the quality of service. Then the potential game can be solved by the Restricted Spatial Adaptive Play (RSAP) algorithm, which leads the game to a guaranteed Nash equilibrium with convergence in probability. The Nash equilibrium is the extremal solutions to the objective function of the deployment optimization. The game theoretical learning method enables NS platforms to be deployed in a distributed way without the global information on regions to be covered. Simulation results show that the proposed optimization method deploys the nodes of the MANET on demand, and can quickly achieve the optimal configuration.     

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%)。     

一种基于Nash均衡的路由器队列管理方法

针对常用路由器队列管理的资源分配不公平性问题,基于博奕论思想,将路由器队列管理过程看作是多个参与者间的非合作博奕问题,提出了具有惩罚策略和最佳效用的路由器队列管理方案．以丢弃概率为博奕策略,以路由器输出速率为博奕效用,构建路由器丢弃算法博奕模型,求解了保证该博奕模型处于Nash均衡解时的丢弃概率函数,确保路由器以此概率函数丢弃业务时,输出速率最佳．构建了路由器调度算法博奕模型,该调度算法对贪婪业务提供较小服务量,起到惩罚作用,而对输入速率较小的业务,尽可能提供服务．仿真实验表明,该方法能有效解决路由器队列管理中的资源分配不公平性问题．     

基于随机博弈与网络熵的网络安全性评估

提出了一种网络熵和随机博弈相结合的网络安全性评估方法.基于随机博弈构建了多人、多状态的网络对抗随机博弈模型.引入网络熵描述网络安全性能,通过求解模型的Nash均衡解获得最优防御策略和网络状态概率,进而利用网络状态熵差对网络安全性进行评估;最后给出了网络安全性评估算法.实例分析表明,该方法能有效评估网络安全性能,为主动防御提供决策支持.     

城市公共交通监管博弈建模与仿真

针对城市公共交通存在违规运营的问题,对管理部门与城市公共交通企业间的博弈关系展开研究。根据公交企业和管理部门相应的策略集建立双方博弈关系的收益矩阵,给出了不同策略下双方的期望收益和整体平均收益,利用复制动态方程描述双方策略的变化速度,给出了纳什均衡,利用系统动力学理论构建城市公共交通监管问题的博弈模型,并对模型进行了仿真分析。分析结果表明:采用静态惩罚策略时,博弈双方除纳什均衡外不存在演化稳定策略,波动难以控制;采用动态惩罚策略时,博弈双方存在演化稳定策略,演化时间和幅值与最大惩罚收益正相关,且博弈的稳定态与初始状态无关。     

A distributed normalized Nash equilibrium seeking algorithm for power allocation among micro-grids

In this paper, a power allocation problem based on the Cournot game and generalized Nash game is proposed. After integrating dynamic average consensus algorithm and distributed projection neural network through singular perturbation systems, a normalized Nash equilibrium seeking algorithm is presented to solve the proposed power allocation problem in a distributed way.Combine Lyapunov stability with the singular perturbation analysis, the convergence of the proposed algorithm is analyzed. A simulation on IEEE 118-bus confirms that the proposed distributed algorithm can adjust the power allocation according to different situations, while keeping the optimal solution within the feasible set.