基于拍卖理论和高斯过程回归学习的频谱分配算法

针对认知无线网络中认知用户的频谱分配问题,提出了一种基于拍卖理论和高斯过程回归学习的频谱分配算法。该算法基于VCG拍卖模型,考虑认知用户对通信质量的要求,构造出更有效的收益函数。在频谱拍卖过程中,认知用户通过学习拍卖历史数据预测其他认知用户的竞价,并最优化其竞价策略。频谱拍卖人根据各认知用户提交的竞价来分配频谱资源。理论分析和仿真结果证明了该算法是有效的,并且能够提高频谱利用率和认知用户的收益。     

基于随机游走算法的频谱组合拍卖机制

如何将频谱有效地分配给用户并提高提供商的收益是目前研究的热点。针对频谱组合拍卖中提供商收益低的问题，结合用户估值分布不对称的特点，设计了基于随机游走的频谱组合拍卖（RWSCA）机制，以最大化频谱提供商的收益。首先引入了虚拟估值的思想，用随机游走算法在参数空间搜索一组最优参数，并根据参数线性映射买家的估值；然后运行基于虚拟估值的VCG (Vickrey-Clarke-Groves)机制，从而确定赢得拍卖的用户并计算相应的支付金额。理论分析证明了所提机制具有激励相容和个体理性的性质。在频谱组合拍卖仿真实验中，相较于VCG机制，RWSCA机制至少提高16.84%以上提供商收益。     

基于用户预算和服务质量的动态频谱接入

在动态频谱接入网络中,如何通过频谱地图有效地获得频谱的使用是一个亟待解决的问题。目前主要通过频谱运营商将可用频段销售给用户的方式实现频谱接入。针对用户的实际支付能力和服务质量(QoS)需求不同,提出联合预算和功率控制方案。将运营商和用户建模成两阶段的Stackelberg博弈模型,运营商根据用户的预算和QoS需求动态调整频谱价格,用户根据频谱价格改变自己的需求,最后证明了用户和运营商最大收益的纳什均衡解的存在性和唯一性。仿真结果表明:在多次交换信息后,用户预算的总和是整个网络收益的上限,用户和运营商均能获得最大收益且达到纳什均衡。     

基于博弈学习的动态频谱分配算法研究

为了解决认知无线网络中的动态频谱分配问题,提高频谱利用率和避免干扰,提出了一种基于学习的库诺(Cournot)博弈模型,将授权用户对于空闲频谱的分配行为模拟为动态的博弈过程,并赋予授权用户学习的能力,通过对博弈过程中博弈者行为的学习和总结形成新的博弈策略,而且还比较了将最优反应学习算法和模拟退火算法应用到自适应博弈学习中系统的性能和用户的收益。仿真结果表明,两种算法均能够使授权用户通过学习达到策略的均衡,而有限理性下基于模拟退火的自适应博弈学习算法的鲁棒性更强,收敛性更好,且能够使授权用户获得更高的收益。     

基于业务需求的动态频谱分配算法

动态频谱分配能有效解决频谱利用率低的问题,但已有的图论着色算法未考虑认知用户的业务需求,导致需求小的用户分配到更大的频谱,一定程度上造成了频谱浪费。为解决该问题,提出基于业务需求的动态频谱分配算法,使分配的信道与认知用户的业务需求适配。性能仿真结果表明,基于业务需求的算法能满足各用户的需求,性能更优。     

基于改进蚁群算法的多机器人任务分配方法

研究了动态环境下多机器人对多目标点的探测;针对通常采用的是单物品拍卖的方法进行任务分配但是无法得到全局最优解的缺点,提出了用组合拍卖的方法来解决多机器人的任务分配问题;由于组合拍卖(WDP)本身是一个NP-hard的问题,所以文中通过对蚁群算法进行改进,成功地解决了此类任务分配问题;实验表明,该算法有效地缓解了容易出现的早熟停滞现象,达到较好的最优解,收敛速度快且求解质量稳定,满足了多机器人动态任务分配的要求。     

认知无线网络中基于博弈的频谱共享*

研究了认知无线网络环境中基于价格动态性的频谱共享,主要用户服务提供商以不同的频谱价格向认知用户服务提供商出售空闲频谱,认知用户根据获得的收益调整对频谱的需求。在全体服务提供商对频谱价格满意的基础上,为最大化认知用户的收益,提出了基于静态博弈和动态博弈的频谱共享方案。仿真结果表明,通过合理设置学习速率,动态博弈达到了接近静态博弈的性能,最大化认知用户的收益。     

基于改进遗传算法的多机器人任务分配方法

多点遍历任务是多机器人协作研究中常用的一个例子,普遍采用的单物品拍卖任务分配方法存在着无法得到全局最优解的缺点。为解决此问题,该文提出用组合拍卖的方法进行任务分配。由于组合拍卖的胜者决定问题（WDP）本身是一个NP—hard问题,怎样在短时间内获得令人满意的解是该文关心的焦点。该文通过对单亲遗传算法进行改进,提出环形染色体的概念,成功地解决了针对此任务的WDP求解问题。仿真试验表明,该算法实现简单,搜索效率高,在较短时间内能够得到满意解,满足多机器人动态任务分配的实时性要求。     

认知无线网络中基于无休止多臂赌博机模型的多用户频谱接入机制

针对如何协调多个认知用户择机接入多段空闲频域信道的问题,提出了一种基于无休止多臂赌博机(RMAB)模型的动态频谱接入机制。首先,考虑到实际环境下认知用户的信道感知误差,推导出能有效处理感知误差的Whittle索引值算法,该算法通过历史经验积累给予每个信道一定的信任值,并综合考虑在当前信任值下选择每个信道的立即收益与未来收益的多少,选择出需要感知接入的信道;其次,对于多个认知用户接入相同信道时产生冲突的问题,提出了基于多标拍卖的协调机制,通过多标拍卖的方式处理认知用户之间的冲突。仿真结果表明,在相同的环境中,所提出的频谱接入机制与未处理误差的或者未采用多标拍卖的接入机制相比,认知用户获得的吞吐量更大。     

改进蜉蝣算法求解认知车载网络频谱分配问题

针对传统认知车载网络频谱分配效率低、速度慢的问题,提出基于改进蜉蝣优化算法的频谱分配算法。以反向学习、动态惯性权重、多阶段动态扰动及正余弦优化交配机制提升标准蜉蝣优化算法的寻优性能;将频谱分配变量映射为蜉蝣个体位置信息,将网络吞吐量和接入公平性作为评估蜉蝣位置的适应度函数,利用改进蜉蝣算法搜索最优频谱分配方案。实验结果表明,改进算法的搜索精度和收敛速度都有所提升,能够更快得到频谱分配方案,车载用户收益和分配公平性方面也更有保障。     

移动边缘计算环境下的动态资源分配策略

在通讯设备爆炸式增长的时代,移动边缘计算作为5G通讯技术的核心技术之一,对其进行合理的资源分配显得尤为重要。移动边缘计算的思想是把云计算中心下沉到基站部署(边缘云),使云计算中心更加靠近用户,以快速解决计算资源分配问题。但是,相对于大型的云计算中心,边缘云的计算资源有限,传统的虚拟机分配方式不足以灵活应对边缘云的计算资源分配问题。为解决此问题,提出一种根据用户综合需求变化的动态计算资源和频谱分配算法(DRFAA),采用"分治"策略,并将资源模拟成"流体"资源进行分配,以寻求较大的吞吐量和较低的传输时延。实验仿真结果显示,动态计算资源和频谱分配算法可以有效地降低用户与边缘云之间的传输时延,也可以提高边缘云的吞吐量。     

认知网络中基于竞价模型的频谱分配研究*

研究了动态频谱分配的现状,提出基于竞价模型的频谱分配算法设计应关注的三个主要问题。针对目前基于竞价的分配模型中没有保证授权用户的QoS的缺点,通过频谱质量分级和服务质量分级,设计了一个竞价频谱分配方案。在该方案中提出干扰价格的概念,并且把干扰价格作为竞价人竞标价格的重要组成部分。仿真结果表明,干扰价格能保证主用户的QoS。     

A Sampling-Based Stochastic Winner Determination Model for Truckload Service Procurement

Many large shippers procure truckload (TL) service from carriers via a combinatorial auction. In order to determine the winners of the auction, they need to solve a combinatorial optimization problem known as winner determination problem (WDP). In practice, shippers must resolve the WDP under shipment volume uncertainty due to limited information of future demands. In this paper, we propose a sampling-based two-stage stochastic programming approach to solve WDP under shipment volume uncertainty. We propose a refined formulation of deterministic WDPs in which shortage in shipments and the associated penalty cost are explicitly modeled. We demonstrate that the refined model is more general and more feasible under uncertainty than the benchmarks. Theoretical results pertaining to problem feasibility are derived and their insights to TL service procurement are provided. We propose a sampling-based solution approach called Monte Carlo Approximation (MCA) and use numerical tests to show that MCA is numerically tractable for solving moderately sized instances of TL service procurement. Finally, we verify via Monte Carlo simulation that the solution to our proposed stochastic WDP yields lower procurement cost than the solution to the deterministic WDP.     

基于智能跳频的短波无线接入网动态频谱分配算法

针对现有短波无线接入网的固定式频谱分配方法难以满足使用智能跳频技术新要求的问题,分析智能跳频短波无线接入网的通信需求,提出智能跳频短波无线接入网的动态频谱分配策略及算法。首先将各机动用户和接入基站看作一子网;然后将对各子网的频谱分配建模为基于图着色理论的智能跳频短波无线接入网频谱分配模型;最后结合通信需求提出分配策略和算法,完成频谱分配并进行了仿真分析。结果表明,这些频谱分配策略及算法以不同的目标进行频谱分配,能够有效支撑智能跳频技术在短波无线接入网中的应用,与固定式频谱分配方法的定频通信相比,在网络效益、子网满意度、网络公平性、网络支持用户数和频谱利用率等方面均有明显提升,同时能有效降低互扰率。     

改进PSO算法在多无人机协同任务分配中的应用

针对多无人机协同任务分配越来越复杂的问题,采用一种改进的阶层分级粒子群优化算法（HGIWPSO）获得最优分配方案。首先,根据粒子适应度值将种群动态划分为三个不同阶层,依据不同阶层粒子特性选择合适的学习模型,并引入独立权重思想调节惯性权重大小,平衡算法全局与局部搜索能力,提高算法性能;然后,建立协同多任务分配问题模型,采用多余负载竞拍方案减少非法劣解,通过实数编码建立粒子和实际分配方案之间的映射关系,解决实际分配问题。实验结果表明,该算法能够有效解决复杂约束条件下多无人机协同任务分配问题,得到最优分配序列,具有一定的理论以及实际意义。     

基于线性结构的逆向组合拍卖算法研究

对逆向组合拍卖的拍卖模型和WDP问题进行了研究,报告了当前逆向组合拍卖的研究现状,分析了对称关联价值模型的基本性质.结合对称关联价值模型分析了WDP的形式化描述,在此基础上提出了基于线性结构的饱和分割区近似算法(LISAPA).该算法避免了项目组合树的建立,并且可以在构造过程中直接由局部最优解扩展到全局最优解,从而显著的提高构造效率.实验结果表明,当拍卖项目组合数大于拍卖项目数时,该算法能够解决中标者确定问题,并且有较好的达优率.     

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。     

异构无线网络密集部署场景下高效网络接入及频谱分配

如何在异构网络重叠覆盖场景下实现动态耦合频谱资源高效分配以满足用户流量需求是下一代无线通信网络的重要挑战。综合考虑网络域频谱属性差异化及用户域需求多样化问题，以用户获得总带宽最大化为目标，将频谱资源分配建模为非线性多约束条件0-1整数规划问题，并设计了两种求解方法。首先，设计了一种基于改进匈牙利算法的化简方法，该方法通过对约束条件进行化简，将复杂模型转化为标准形式0-1规划，并通过对匈牙利算法进行改进，有效求解了该复杂的频谱分配问题；其次，设计了一种改进的遗传算法，把主网络干扰约束及次用户需求融合进适应度评估中，以修正不符合要求的基因，并利用精英主义思想保留优秀个体，以进化迭代到优秀个体。最后通过实验对提出的方法与粒子群优化方法的性能进行对比分析，实验结果显示化简方法具有较大的效率优势，而改进遗传算法可得到更大的带宽。