超密集网络中基于小区分簇的资源分配

针对超密集网络中毫微微小区(Femtocell)之间同层干扰以及毫微微小区与宏小区(Macrocell)之间跨层干扰问题,提出了一种基于小区动态分簇的资源分配算法。该算法分为两步:第一步首先采用了基于速率公平性的子信道分配算法为宏用户分配子信道,接着利用注水算法分配功率;第二步首先根据毫微微小区之间的干扰权值大小,利用遗传模拟退火算法为FAPs分簇,其次利用启发式信道分配算法为FUEs分配子信道,采用KKT条件为用户分配功率。仿真表明,该算法能够有效抑制这两种干扰,满足用户速率需求,提升网络频谱效率。     

超密集网络中小小区分簇和子载波分配算法

超密集网络中,严重的小区间干扰制约了终端用户尤其是边缘用户的数据速率。有效地对干扰进行管理、提升边缘用户的数据速率是超密集网络中的研究难点。在超密集网络架构的基础上,提出一种基于图论的不完全染色算法,对网络架构中的基站划分簇,同簇内的不同基站共享频带资源。同时,提出一种子载波分配算法,优先为边缘用户分配信道增益较优的子载波。通过仿真表明,不完全染色算法能够有效地减小小区间干扰,提升系统吞吐量,子载波分配算法在不影响系统吞吐量的基础上能够优化边缘用户的吞吐量。     

超密集网络中子信道和功率分配研究

超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,提出一种基于簇优先级的资源分配方案。该方案分为3个步骤:首先,采用基于图论的染色算法为毫微微接入点(Femtocell Access Points,FAPs)分簇;然后,以簇内每个毫微微用户(Femtocell User Equipments,FUEs)的待发送数据量、排队等待时延以及受干扰强度等作为优先级,计算每个簇的优先级,高优先级的簇可最先获得信道增益好的子信道;最后,利用卡罗需-库恩-塔克(Karush-Kuhn-Tucker,KKT)条件和注水算法为FUEs分配功率。仿真实验表明该方案能够有效地减小Femtocell间的干扰,并能够极大地满足用户的需求,同时提升系统的吞吐量和频谱效率。     

干扰车载网络中增强连通性的资源分配算法

随着车载网络中各种业务的飞速增长,网络密集程度不断增加,因此,愈发严重的干扰问题对网络的连通性构成了很大的挑战。已有研究中网络的连通性仅由信号强度或车辆之间的距离确定,而没有考虑资源分配引起的干扰对网络连通性的影响。针对这个问题,为了表征网络中资源与干扰对连通性的影响,使用图论对网络连通性进行了建模,定义了与资源分配相关的连通性度量指标;利用染色理论对能够保证网络连通性的所需资源数目的最小值进行了分析;提出了一种基于最小生成树的资源分配算法,以改善网络的连通性。仿真结果证实了相比其他算法,该算法能够提高车载网络的连通性。     

基于图着色的密集D2D网络资源分配算法

蜂窝设备到设备(D2D)网络通过D2D用户与蜂窝用户的上行链路复用,可大幅提高网络的频谱效率,但当D2D用户数大于蜂窝用户数时,即在D2D密集部署场景下,传统的资源复用算法不能满足D2D用户的频谱资源需求。针对该问题,提出基于图着色理论的D2D网络干扰协调频谱资源分配算法,可实现信道资源在多个D2D用户对间的多重复用,从而提升网络负载能力,改善网络吞吐量。在此基础上,给出一种改进的资源分配算法,以提高D2D用户的公平性。仿真结果表明,该算法在降低D2D用户获取信道资源"饥饿"概率的同时,能够提升网络信道资源的空间复用率及系统吞吐量。     

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。     

认知超密集网络用户关联与资源分配联合优化遗传算法

针对下行的异构认知超密集异构网络（UDN）的多维资源配置问题,提出一种以毫微微小区用户最大吞吐量为目标的联合优化用户关联和资源分配的改进遗传算法。首先,在算法开始之前进行预处理,初始化用户可达基站和可用信道矩阵;其次,采用符号编码,将用户与基站以及用户与信道的匹配关系编码为一个二维的染色体;然后,将动态择优复制+轮盘赌作为选择算法,以加快种群的收敛;最后,为避免算法陷入局部最优,在变异阶段加入早熟判决的变异算子,从而在有限次迭代下求得基站、用户、信道的连接策略。实验结果表明,在基站与信道数量一定时,所提算法与三维匹配的遗传算法相比在用户总吞吐量方面提高了7.2%,在认知用户吞吐量方面提高了1.2%,且计算复杂度更低。所提算法缩小了可行解的搜索空间,能在较低复杂度下有效提高认知UDN的总吞吐量。     

基于DQN的超密集网络能效资源管理

小基站的密集随机部署会产生严重干扰和较高能耗问题,为降低网络干扰、保证用户网络服务质量(QoS)并提高网络能效,构建一种基于深度强化学习(DRL)的资源分配和功率控制联合优化框架.综合考虑超密集异构网络中的同层干扰和跨层干扰,提出对频谱与功率资源联合控制能效以及用户QoS的联合优化问题.针对该联合优化问题的NP-Har...     

LTE-A中继网络中基于小区间干扰协调的分布式资源分配

针对LTE-A(long term evolution-advanced)中继系统存在的干扰问题, 提出一种基于小区间干扰协调(inter cell interference coordination, ICIC)的资源分配算法。该算法利用LTE-A网络里各个小区基站之间的交互信息, 得到邻小区资源块(resource block, RB)的使用状况, 将空闲率最大的资源块分配给信道增益最大的用户, 从而在满足用户业务需求的前提下提高小区吞吐量。仿真结果表明, 该算法优于传统的SSA(separate and sequential allocation)算法, 系统整体性能得到提升。     

基于网络处理器的可演化路由器设计

可演化网络是一种动态可变换的网络结构,针对其软件实现方式导致的数据包转发延时较大问题,设计一种基于网络处理器的可演化路由器。充分利用网络处理器硬件中嵌入式处理器的灵活性与微引擎处理器快速高效的数据包处理能力,使数据包的处理速率接近 线速。     

分层网络数据分布优化策略

提出了采用簇的技术来处理分层网络数据分布优化问题,并给出了其数学模型、优化算法及可行性分析。对于一般的网络,给出了把它完全映射到一个分层网络上的方法,以至于完全可以利用分层网络的数据分布优化算法来处理一般网络的数据分布优化问题。     

Service-Oriented Resource Allocation in Clouds：Pursuing Flexibility and E?ciency

The networking-oblivious resource reservation model in today’s public clouds cannot guarantee the performance of tenants’ applications. Virtual networks that capture both computing and networking resou...     

基于分簇和Stackelberg博弈的D2D资源分配策略

当前,车辆密集通信场景下存在通信资源利用率低、DUE(D2D user)用户通信质量差等问题。针对上述问题,提出了一种基于分簇和Stackelberg博弈的D2D(device to device)资源分配策略,以解决DUE用户功率分配、信道匹配问题。首先,基于每个信道内DUE用户之间干扰最小原则,该模型对所有DUE用户进行分簇;然后,对于CUE(cellular user)用户与DUE用户簇,构建一对多的Stackelberg主从博弈模型,通过复用链路干扰参数和簇内干扰参数的迭代更新,优化每个DUE用户的发射功率;最后,利用匈牙利算法实现DUE用户簇与CUE用户的最佳信道匹配,最大化DUE用户的容量和。仿真结果表明,与基于价格迭代、等功率分配和高能效干扰约束的几种功率分配算法相比,所提算法能有效提升DUE用户的总容量。     

缓冲辅助中继网络中的缓冲资源分配方法

随着通信技术和智能终端的发展,移动内容消费出现了明显的增长。人们随时随地享受无线网络带来的多媒体娱乐体验的同时,也给蜂窝网络带来了巨大的压力,尤其是热门视频的重复传输,浪费了网络资源。预存储技术被认为是解决这类问题的有效方法。它是在非高峰时段,将热门视频等预先存储在网络边缘,以缓解高峰时段网络流量的压力。为了给用户提供更好的内容传输效率,预存储技术中基于缓冲辅助的中继网络被提出。由于中继结点缓冲空间有限,当其需要服务多个用户时,有必要对中继结点的缓冲资源进行优化分配。基于此,本文提出了一种中继结点的缓冲资源分配方法。首先,根据中继结点数据到达模型和数据处理模型,以及中继结点能忍受的缓冲区溢出概率,得到中继结点可以贡献出的最大缓冲区比例;接着,根据用户的数据到达模型和数据服务模型,给出用户缓冲区溢出概率与缓冲区比例关系的表达式;然后,建立优化问题,以最小化网络中所有用户缓冲区溢出概率和为目标,给出最优的缓冲区分配方法;最后,仿真结果证实了本文提出的方法比均匀分配法能获得更小的用户缓冲区溢出概率和。     

一种虚拟路由器资源映射算法研究

网络虚拟化技术的提出,为解决互联网\"僵化\"问题找到了新的思路,受到广泛的关注。在虚拟路由器平台中,若干台互联的网络服务器资源组成了底层物理网络,通过虚拟网络映射技术,将物理网络资源有效地映射到虚拟网络设备上,组成多个虚拟网络,满足用户对网络的多样化需求。虚拟路由器资源映射问题是虚拟网络映射问题的基础,虚拟路由器实例与物理资源的映射方法决定了虚拟网络平台资源的利用率和虚拟网络系统的性能。针对虚拟路由器平台资源分配的问题,提出了物理网络资源模型和虚拟路由器资源请求模型,设计了一种启发式虚拟路由资源分配算法,并对算法的复杂性和优化目标进行了分析。     

QoS驱动的电力通信网效用最大化资源分配机制

智能电网业务的多样性和对QoS的不同需求,是电力通信网资源分配时急需解决的问题.网络虚拟化是网络转型的关键技术,在保障业务QoS和提高资源利用率方面具有非常大的优势.本文基于网络虚拟化技术,对QoS驱动的电力通信网资源分配问题进行了形式化的描述,提出了基于三方博弈的两阶段资源分配模型.基于此模型,提出一种QoS驱动的电力通信网效用最大化的资源分配机制.通过对提出的资源分配机制的分配策略性能分析,证明了本文提出的资源分配机制满足占优策略激励兼容特性,并且可以实现系统利润最大化的目标.通过仿真实验,验证了本文提出的机制能够实现电力通信网的效用最大化,提高了电力通信网的资源利用率.     

基于网络资源相关性的虚拟网络映射算法

针对网络虚拟化环境中资源利用率较低的问题,通过建立资源相关性度量模型,刻画虚拟节点和物理顶点之间的匹配程度,根据虚拟节点和物理顶点之间的资源相关性,将虚拟节点映射到资源相关性较强的物理顶点上;为了降低虚拟链路的映射路径长度,通过建立节点间邻接关系模型,将相邻的虚拟节点映射到邻接的物理顶点上。实验结果表明,提出的虚拟网络映射算法均衡了物理网络资源的分布状态,降低了虚拟网络映射的资源代价,提高了虚拟网络请求接受率。     

基于离散粒子群的节点可重用虚拟网络映射算法

虚拟网络映射问题是网络虚拟化要解决的重点问题,也是云计算环境下实现资源多租赁运营的技术基础。现有的映射算法在计算效率上有待提高,不能充分利用可重用技术以节省网络带宽资源。提出一种可重用的虚拟网络映射算法,首先构建以提高底层物理网络利用率为目标的资源优化分配模型;然后再充分利用可重用技术以内存交换替代网络交换并针对效率问题设计增强的粒子初始位置分配算法,进而通过离散粒子群算法对优化问题进行求解。仿真实验结果表明,提出的算法相较已有的普通粒子群算法在物理网络收益上有显著提高,增强的初始位置分配机制也有助于计算效率的提升。