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.     

OFDMA蜂窝中继网络中继选择算法研究

提出两种用于正交频分多址(OFDMA)蜂窝中继网络的中继选择算法,一种在限制数据速率情况下,以用户能量消耗最小化为优化目标;另一种在限制花费能量情况下,以系统频谱效率最大化为优化目标.同时,加入了小区内负载平衡处理机制.首先将基于定价的多小区非合作功率分配博弈模型引入蜂窝中继网络中,得到每一跳的功率-效用对;然后将其合并得到每条路径的功率-效用对;最后依据不同的优化目标,在可行路径的功率和效用之间进行折中中继选择.仿真结果表明,相对于基于信干噪比(SINR)的中继选择算法,提出的两种中继选择算法分别达到了其优化目标,获得了相应的性能增益.     

用于中继蜂窝网络的动态频率规划算法

在两跳中继蜂窝网络中,为提高频谱利用率,以链路带宽需求为依据,提出了一种动态频率规划算法.综合考虑了信道质量、用户业务速率需求及中继两跳链路的速率匹配,计算不同链路上的带宽需求.根据链路带宽需求,对不同链路上的可用频率资源进行动态分配,在不同中继覆盖区域间进行动态频率复用,使系统频率复用因子可根据系统负载自适应变化.仿真结果表明,与现有频率规划算法相比,该算法在系统频谱效率与小区边缘用户平均吞吐量上都有性能优势.     

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.     

协作网络中采用双层博弈的资源分配方案

在多源多中继协作网络中,为避免协助同一源节点的中继节点之间过度干扰并实现中继节点的效用最大化,提出了一种在双层博弈框架下的联合功率控制和源节点选择的分布式算法。该算法通过中继节点功率控制的非合作子博弈与源节点选择的演化子博弈交替迭代,在抑制中继节点之间干扰的同时实现了中继节点对源节点的合理选择,并证明了双层博弈纳什均衡的唯一存在性。仿真结果表明,本文提出的双层博弈分布式算法可使系统收敛至纳什均衡。     

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.     

基于非合作博弈的中继网络分布式资源分配

提出一种可应用于正交频分复用多址(OFDMA)中继网络的分布式资源分配算法. 基于将模型描述为基站与中继的非合作功率分配博弈(RNCPAG), 设计出2种效用函数, 并以最大化效用函数为准则, 证明在总功率受限的约束下, 该算法存在并收敛于唯一的纳什均衡点. 研究表明, 同传统的平均功率分配算法相比, 分布式博弈算法以牺牲少量的迭代步数为代价, 获得更高的系统容量和资源效率.     

一种非合作博弈下的无线网络接入选择方法

针对如何根据用户的需求在无线网络中选择接入网络的问题,依据不同接入网络之间的非合作关系以及接入网络与用户之间的非合作关系,建立了非合作博弈下的基于支付函数的模型．该模型根据多属性决策理论,运用灰色关联分析法对不同网络的性能参数进行归一化处理,将得到的灰色关联等级作为支付函数进行比较,选出较优秀的网络．通过求解用户与较优秀网络间的纳什均衡,得到用户的接入网络选择．实验结果表明,该方法能够根据用户的需求有效地选择合适的接入网络．     

基于非合作博弈的自适应功率控制算法

针对开放性频谱共享模型,提出了一种基于非合作博弈的自适应功率控制算法. 该算法分为外部更新和内部更新,在外部更新时,用户进行周期性信息交互;在内部更新时,用户自适应控制功率. 仿真结果表明,该算法与传统的分布式算法相比减少了信息交互量,并且能得到近似最优解.     

分布式网络中采用图型博弈的动态频谱接入

针对分布式无线网络中用户关系拓扑结构的任意性和复杂性带来的维灾问题,提出了一种基于图型博弈的动态频谱接入算法.利用环境信息的非对称性把频谱接入问题抽象为图型博弈模型,并用模型中的图型拓扑表示现实环境中博弈的内在结构;以最小化个人后悔值代替最小化系统后悔值来求解纯策略纳什均衡点.与现有算法比较,该算法能有效降低运算复杂度,满足通信中实时性的要求.仿真结果表明,该算法能快速收敛到无冲突的纯策略纳什均衡,提高了系统容量和功率利用率,在资源匮乏时优势明显.     

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.     

用于OFDMA蜂窝系统的多小区自适应资源分配算法

提出了一种用于正交频分多址通信系统下行链路的多小区自适应资源分配算法(MARA)。为了降低系统复杂度，将子信道分配和功率分配分开实现，在小区内部进行动态子信道分配，并以单小区子信道分配结果为基础在相邻小区同频用户中进行功率分配。将非合作博弈论引入到多小区功率分配中，给出了基于代价函数的多小区分布式功率分配算法。通过协调相邻小区间同频子信道的发送功率，抑制小区间干扰，提高无线资源利用率。仿真结果表明，与已有算法相比，本文提出的算法可以提高系统吞吐量。     

Two-layered game-theoretic based resource allocation in femtocell networks

In orthogonal frequency division multiple access(OFDMA) based femtocell networks, to improve the spectrum efficiency and avoid the interference from the femtocell user equipment(FUE) to macrocell user equipment(MUE) and other femtocell users equipments(FUEs), the joint power control and subcarrier selection distributed algorithm is proposed. In the framework of the two-layered game, the proposed distributed algorithm, which is based on the pricing mechanism and the dynamic replication scheme, can effectively suppress the interference from the FUE to other users and select the optimal subcarrier by the alternate iterations of the non-cooperative game and evolutionary game. Simulation results show that the proposed algorithm can converge to the Nash equilibrium(NE) of the two-layered game.     

云计算下区分服务的演化博弈调度算法

提出了一种基于区分服务的云计算演化博弈调度算法.算法中云任务方通过偏好类型参与对资源的竞争,虚拟机资源方依据其计算型、存储型、带宽型等各类服务评分高低竞争任务,构成一个混合博弈,然后再依据任务调度信息和用户反馈的评分不断演化改进虚拟机资源及其所属种群的各项服务评价,最终得到博弈的均衡.仿真实验结果表明,该算法是有效、可行的,能根据任务类型的差异分配不同特性的虚拟机资源,再依据用户对各项服务的评价,确保不同类别的用户任务的服务质量.     

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%.     

用于多小区OFDM系统的分布式上行功率控制算法

为了协调小区间干扰,提高边缘用户性能,研究了OFDM系统多小区间的功率分配问题.基于非合作博弈理论,给出既可以保证每个用户信干比最小又考虑其他小区同信道干扰的效用函数.通过求解最大效用函数值,得到一种多小区分布式上行功率控制算法.该算法中每个小区只需本地信息就可以协调小区间干扰,实现了用户间公平性与频谱利用率的最佳折中.通过仿真分析,讨论了算法的参数选取,验证了算法的收敛性.仿真结果表明,与等功率分配相比,虽然吞吐量下降了17%,但是公平性提高了1.7倍.     

无线传感网络功控算法的收敛性及公平性

为了解决无线传感器网络设计的"节能"问题,提出基于博弈论的功率控制机制以较好地降低网络能耗.对无线传感器网络的能耗限制问题做了理论分析,通过对无线传感器网络和博弈的映射分析,研究了基于博弈论的分布式自适应功率控制算法.OPNET仿真结果表明:该算法能降低能耗,减少引入的网络开销,增加网络寿命.该算法采用优化动态反应来更新发射功率等级就能收敛到纳斯均衡,保证网络的公平性.