异构无线网络用户网络关联优化:一种基于群体博弈的方法

针对异构无线网络(Heterogeneous Wireless Networks,HWNs)负载平衡问题,提出了一种基于群体博弈的用户网络关联方案.首先将HWNs系统用户网络关联问题抽象成一个群体博弈模型,根据用户在网络中得到的收益函数,证明该群体博弈满足势博弈的条件.利用复制动态作为演化动态工具,证明演化的结果最终会收敛到纳什均衡,这个特性确保了每个用户关联到一个效用最优的网络.然后证明纳什均衡点能最大化整个HWNs系统的吞吐量,保证了纳什均衡的有效性.最后,基于复制动态原理提出了用户网络关联算法.仿真实验模拟了用户网络选择过程,得到了均衡点,验证了理论分析的结果.     

基于演化博弈的用户接入机制

用户接入问题就是无线终端选择接入某个服务基站的问题。用户接入可以看作无线资源管理的第一步,对于网络性能有着重要的影响,在实现负载均衡、控制干扰、提高频谱和能量效率等方面起着非常重要的作用。针对包含宏基站和全双工小基站的多层异构网络特点,考虑了分离多接入机制,即允许一个终端在上行和下行接入到不同的多个基站,从而实现性能的提升。在此基础上,将异构网络中的上行下行分离多接入的用户接入问题建模成一个演化博弈问题,其中用户是博弈方,相互之间进行资源的竞争,基站的接入选择就是博弈中的策略,每个用户希望能通过策略的选择实现自身效用的最大化。此外,基于演化博弈和强化学习设计了低复杂度自组织用户接入算法,用户可以根据当前的策略选择收益来进行策略调整,并最终达到均衡状态,实现了用户公平性。最后通过大量的仿真实验验证了所提方法的有效性。     

基于演化博弈论的无线传感网监测节点分群算法

针对大规模无线传感器网络多辐射源定位中,辐射源公共覆盖范围内监测节点能耗过高造成网络寿命降低的问题,提出一种基于演化博弈理论（EGT）的传感网监测节点分群算法。通过将最优节点集的搜索空间映射到博弈的策略组合空间,以博弈的效用函数为目标函数构建了非合作博弈模型;利用纳什均衡分析及均衡的扰动恢复过程实现目标优化;设计了分群算法以优化节点集组成相应的群参与最终的定位。以接收信号强度指示（RSSI）/信号到达时间差（TDOA）两轮定位为例,将该算法与典型的最近邻算法、基于离散粒子群优化（DPSO）的分群算法在定位精度和网络寿命方面作对比。仿真结果表明,该分群算法避免了多辐射源公共覆盖区域内节点能耗较高的问题,延长了网络寿命,同时保证了对辐射源的定位。     

基于演化博弈的无线传感器网络分簇算法

针对无线传感器网络中节点负载过重与能耗不均衡而出现网络能量空洞的问题，基于演化博弈理论建立一种簇头竞选的博弈模型，同时提出一种基于演化博弈的无线传感器网络最优成簇算法。运用节点的剩余能量、数据接收能耗和数据转发能耗设计簇头演化博弈的收益函数，并将最优发射功率控制机制应用于簇成员的选择，从而形成稳定连通的网络分簇结构。仿真实验表明该算法平衡了节点负载，从而均衡网络能量，有效改善网络中过早出现能量空洞的问题，进而延长了网络生存时间。     

基于演化博弈的抗涟漪效应信道分配算法

为抑制涟漪效应并提升网络吞吐率,提出联合演化博弈和改进果蝇优化算法的分布式抗涟漪效应信道分配算法。分析涟漪效应的发生机理,构建终端节点群集的演化稳定均衡博弈模型,评估稳定均衡状态下的涟漪效应,实现单冲突域内信道的最优分配。实验结果表明,当稳定演化均衡下的信道干扰阈值为0.6时,该算法能够有效规避涟漪效应,并使平均涟漪效应发生率从28%下降至8%,与C-HYA算法、EP-OCA算法、RBA算法、CDACA算法相比,具有更稳定的网络吞吐率。     

基于纳什均衡的D2D通信功率控制博弈算法

为了减轻D2D通信在资源复用模式下的互干扰问题,提升蜂窝网络均衡性能收益,提出一种基于纳什均衡的功率控制博弈算法。算法中将互干扰用户间的功率控制过程描述为静态博弈模型,用户之间根据最小化代价函数的博弈决策,通过多步迭代调节发射功率,使系统收敛至纳什均衡的优化状态。在用户代价函数设计中,综合考虑了能耗及传输速率影响,同时给出了博弈算法纳什均衡存在性以及收敛性的证明。仿真实验表明,在最优响应策略及能耗因子的有效约束下,互干扰用户更理智的选择发射功率,系统拥有较好均衡性收益的同时能耗进一步降低。     

物联网环境下基于演化博弈的动态频谱分配算法

研究物联网环境下垄断频谱市场中两个有限理性的服务提供商基于需求响应的价格竞争。服务提供商购买频谱拥有者提供的频谱,相互动态竞争提供给次用户使用以谋求自身利益的最大化。引入动态频谱接入,同时考虑次用户对价格的反应,将服务提供商的动态价格策略选择建模为演化博弈模型。通过复制动态,提出的算法收敛到演化稳定均衡(ESS)。仿真结果表明所该算法是收敛的,可以达到ESS,分析结果验证了演化博弈算法的稳定性和有效性。     

复杂网络上重复囚徒困境博弈的研究*

为了研究博弈理论在复杂网络上的影响,对Zachary网络应用重复囚徒困境博弈的思想提出了两种网络演化算法,即随机算法和伪度优先算法,并对重复博弈后的复杂网络特性进行了分析,其中包括度分布特性和聚集系数。最后采用Newman算法,对经过伪度优先算法后的网络进行社团结构分析,发现伪度优先算法可以明显改善网络的社团结构。结果表明经过两种算法后的网络,度分布依然服从幂律分布,聚集系数均有所增加,而且伪度优先算法增加幅度很大。     

基于强化学习的无线传感器网络入侵检测攻防博弈研究

无线传感器网络易遭到各种内部攻击,入侵检测系统需要消耗大量能量进行攻击检测以保障网络安全。针对无线传感器网络入侵检测问题,建立恶意节点（malicious node,MN）与簇头节点（cluster head node,CHN）的攻防博弈模型,并提出一种基于强化学习的簇头入侵检测算法——带有近似策略预测的策略加权学习算法（weighted policy learner with approximate policy prediction,WPL-APP）。实验表明,簇头节点采用该算法对恶意节点进行动态检测防御,使得博弈双方快速达到演化均衡,避免了网络出现大量检测能量消耗和网络安全性能的波动。     

基于演化博弈的无线传感器网络节能分簇路由算法

考虑到无线传感器网络中节点在冲突环境下决策时具有有限理性,近年来学者引入博弈论解决传感网分簇路由中自私节点的簇头选举问题。以往经典博弈分簇路由算法要求知道所有参与者行动的完全信息,并假设节点完全理性,这对于资源有限的传感器节点不切实际。本文提出了一种基于演化博弈论的无线传感器网络节能分簇路由算法(EECEG),通过演化博弈复制动态方程证明存在演化稳定策略(ESS)。算法将所有节点模拟为自私的博弈参与者,参与者可决策宣称自己成为簇头候选者(D)或不成为候选者(ND)。所有参与者根据自身剩余能量、邻居节点个数等因素自私决策,通过观察和模仿对手进行演化,直到收益均衡。实验结果表明,EECEG协议可有效延长网络生命周期,均衡节点间能耗,同时使数据传输更高效。     

An evolutionary game algorithm for grid resource allocation under bounded rationality

Resource allocation cannot reach equilibrium in one‐off game in grid environment because of the bounded rationality of the users. To address this issue, an evolutionary game algorithm for grid resource allocation is proposed in this paper. The evolutionary game theory is introduced to study the selection process of user strategy from the dynamic viewpoint. Firstly, the problem of multiple users competing for a common resource is formulated as a symmetric game. Secondly, replicated dynamic mechanism is used to produce the evolutionary stable point that leads to a satisfied allocation scenario. Finally, the relationships among the evolutionary stable point, valuation functions, and convergence time are discussed in detail. The results of the experiments show that the proposed evolutionary game algorithm is convergent and generates better utility results compared with the classical game algorithm. Copyright © 2009 John Wiley & Sons, Ltd.     

多视点视频无线资源优化

多视点视频是指在场景中放置多台摄像机,记录下多个视点数据,提供给用户视点选择和场景漫游的交互式媒体应用.多个摄像机从不同视角同时拍摄同一场景得到的一组视频信号,每一个摄像机代表一个不同的视角.可同时传输多个空间角度的视频流到用户端,并合成用户所需要的视域图像.多视点视频是一种新型的具有立体感和交互操作功能的视频,是未来一种极具应用前景的多媒体应用.然而,当前多视点的无线网络带宽分配机制中,都没有考虑大量的、不同解码能力的用户共存时的效率问题.一般情况下,合成视域往往需要至少左右两边(两条以上)的参考视频同时传输到用户端,才能使合成的视域质量不低于直接传输的视点质量,使得网络数据量成倍增加.同时,用户的设备性能影响用户感知质量.网络中手机屏幕和高清大屏显示对网络传输视频数据率的要求不同,必须考虑用户设备解码能力的限制,才能真正提供用户满意的感知质量.本文通过考虑移动无线网络带宽约束,考察不同用户端硬件的解码能力、视域大小及带宽消耗,利用博弈理论,使整体网络资源收益最大.本文分别考虑了几种特定场景下多视点视频传输的无线网络的资源分配.第一,已知网络用户的满意度参数,不考虑带宽的限制(带宽充足),如何确定每个用户需要支付的单位价格.第二,在用户个数不确定的条件下,如何判断出可以接入的用户个数和用户需提供的单位价格.第三,同时考虑用户设备对最大场景复杂度解码能力受限以及网络带宽受限两个约束条件,同时进行用户接入控制和多视点的视频质量优化,使得网络的收益和用户的效用得到最大化.本文对提出的算法进行了理论分析,证明了本文参数设置的合理性.在多视点移动网络资源调度中,本文提出的算法可以方便设置所需的价格参数.从视域大小、价格、用户效用、网络收益等各方面对实验性能进行比较.仿真结果显示本方法在同等实验条件下,多视点用户效用提升分别为5%和12%,网络总体收益增加32%.本文算法可以同时满足网络收益和用户整体效用最优,提高多视点视频在多用户下的网络资源利用率.     

多用户MIMO系统用户选择算法

MIMO系统在不增加带宽的情况下可以有效提高频谱效率。但由于多用户MIMO系统现存预编码方法和系统天线数目的限制,使得系统容纳用户数为一限定值,无法满足实际需要。针对这一问题,给出一种等功率分配的用户选择算法,其通过对信道容量等效近似来得到较优的用户组。为了降低用户选择复杂度,给出一种迭代的次优用户选择算法,达到快速选取较优用户的目的。仿真结果表明所提算法可以获得较好的系统容量性能,适用于实际通信系统。     

CNR中基于多用户Q学习的联合信道选择和功率控制

针对认知无线网络中多用户资源分配时需要大量信道和功率策略信息交互,并且占用和耗费了大规模系统资源的问题,通过非合作博弈模型对用户的策略进行了研究,提出一种基于多用户Q学习的联合信道选择和功率控制算法。用户在自学习过程中将采用统一的策略,仅通过观察自己的回报来进行Q学习,并逐渐收敛到最优信道和功率分配的最优集合。仿真结果表明,该算法可以高概率地收敛到纳什均衡,用户通过信道选择得到的整体回报非常接近最大整体回报值。     

Multiple users replica selection in data grids for fair user satisfaction: A hybrid approach

Replica selection in data grids aims to select the best replica location based on the quality-of-service parameters preferred by the user. This choice is important because of the limited number of available data resources in comparison with the large number of users. Typically, user requests are fulfilled in a first-in, first-out manner. This may satisfy the users at the beginning of the queue more than those at the end. Better results can be achieved by considering the requests of all users simultaneously, thereby leading to a higher level of overall satisfaction; however, this is a difficult task because it requires a vast order of magnitude to search through a huge set of users. Therefore, in this study, the proposed combination of hybrid of the genetic algorithm and user-preference algorithm is used to overcome this problem. The results overwhelmingly verify that the proposed hybrid approach outperformed previously known used methods significantly.     

Satisfying demands in a multicellular network: A universal power allocation algorithm

Power allocation to satisfy user demands, in the presence of large number of interferers (in a multicellular network), is a challenging task. Further, the power to be allocated depends upon the system architecture, for example upon components like coding, modulation, transmit precoder, rate allocation algorithms, available knowledge of the interfering channels, etc. This calls for an algorithm via which each base station in the network can simultaneously allocate power to their respective users so as to meet their demands (whenever they are within the achievable limits), using whatever information is available of the other users. The goal of our research is to propose one such algorithm which in fact is universal: the proposed algorithm works from a fully co-operative setting to almost no co-operation and or for any configuration of modulation, rate allocation, etc. schemes. The algorithm asymptotically satisfies the user demands, running simultaneously and independently within a given total power budget at each base station. Further, it requires minimal information to achieve this: every base station needs to know its own users demands, its total power constraint and the transmission rates allocated to its users in every time slot. We formulate the power allocation problem in a system specific game theoretic setting, define system specific capacity region and analyze the proposed algorithm using ordinary differential equation (ODE) framework. Simulations further confirm the effectiveness of the proposed algorithm. We also demonstrate the tracking abilities of the algorithm.     

Aprojected gradient based game theoretic approach for multi-user power control in cognitive radio network

The fifth generation (5G) networks have been envisioned to support the explosive growth of data demand caused by the increasing traditional high-rate mobile users and the expected rise of interconnections between human and things. To accommodate the ever-growing data traffic with scarce spectrum resources, cognitive radio (CR) is considered a promising technology to improve spectrum utilization. We study the power control problem for secondary users in an underlay CR network. Unlike most existing studies which simplify the problem by considering only a single primary user or channel, we investigate a more realistic scenario where multiple primary users share multiple channels with secondary users. We formulate the power control problem as a non-cooperative game with coupled constraints, where the Pareto optimality and achievable total throughput can be obtained by a Nash equilibrium (NE) solution. To achieve NE of the game, we first propose a projected gradient based dynamic model whose equilibrium points are equivalent to the NE of the original game, and then derive a centralized algorithm to solve the problem. Simulation results show that the convergence and effectiveness of our proposed solution, emphasizing the proposed algorithm, are competitive. Moreover, we demonstrate the robustness of our proposed solution as the network size increases.     

认知无线网络的Rubinstein博弈频谱共享方法研究

针对传统的功率控制算法限制认知用户的发射功率而影响其服务质量(Quality of Service, QoS)的问题,提出了一种基于功率控制的多人Rubinstein博弈频谱分配算法。该算法通过牛顿迭代公式降低认知用户的发射功率并依据各个用户间的干扰得到相应的链路质量;将经济学中的贴现因子与用户的链路质量建立映射关系;通过链路质量调整认知用户子博弈顺序使得网络总传输速率达到一个相对稳定的状态。仿真结果表明:多个认知用户在同一信道下共享频谱时,采用多人Rubinstein博弈算法对系统的总传输速率有明显的提升,使系统处于稳定且高速的传输状态并节省了一半以上的频谱分配时间。