随着物联网(IoT, internet of things)基站的部署愈发密集,网络干扰管控的重要性愈发凸显。物联网中,设备常采用随机接入,以分布式的方式接入信道。在海量设备的物联网场景中,节点之间可能会出现严重的干扰,导致网络的吞吐量性能严重下...随着物联网(IoT, internet of things)基站的部署愈发密集,网络干扰管控的重要性愈发凸显。物联网中,设备常采用随机接入,以分布式的方式接入信道。在海量设备的物联网场景中,节点之间可能会出现严重的干扰,导致网络的吞吐量性能严重下降。为了解决随机接入网络中的干扰管控问题,考虑基于协作接收的多基站时隙Aloha网络,利用强化学习工具,设计自适应传输算法,实现干扰管控,优化网络的吞吐量性能,并提高网络的公平性。首先,设计了基于Q-学习的自适应传输算法,通过仿真验证了该算法面对不同网络流量时均能保障较高的网络吞吐量性能。其次,为了提高网络的公平性,采用惩罚函数法改进自适应传输算法,并通过仿真验证了面向公平性优化后的算法能够大幅提高网络的公平性,并保障网络的吞吐性能。展开更多
传统的货位优化方法没有充分利用库存量单位(Stock keeping units,SKUs)之间的相关性关系。以一种存在相关性需求的'波次分区拣货、整体补货'的周期性环境为对象,以最小化最大的分区拣货时间为目标建立货位优化的数学模型,提出...传统的货位优化方法没有充分利用库存量单位(Stock keeping units,SKUs)之间的相关性关系。以一种存在相关性需求的'波次分区拣货、整体补货'的周期性环境为对象,以最小化最大的分区拣货时间为目标建立货位优化的数学模型,提出相关性强度的概念和计算方法,设计出基于相关性的货位指派算法(Storage allocation based on correlations,SABC)和不考虑相关性的随机货位指派算法(Storage allocation based on random,SABR)算法,SABC算法以体积—订单指数(Cube per order index,COI)法则的解为初始解,通过定量化的'相关性位置交换策略'将相关性强的'SKUs对'指派到相近的货位中来提高拣货效率。测试结果表明:SABC算法具有较好的收敛性,其收敛速度明显优于SABR算法,求解质量比COI法平均改进约7.6%~25.1%,比SABR算法平均改进约1.36%~14.50%;需求相关性强度越高,拣货效率提升潜力越大。展开更多
在LTE-A中,由于物理随机接入信道(physical random access channel,PRACH)资源有限,当大量的设备几乎同时向基站发起随机接入请求时,可能会导致接入网拥塞,接入时延增大,无法满足用户的服务质量需求。通过分析时隙接入模型,提出了一种...在LTE-A中,由于物理随机接入信道(physical random access channel,PRACH)资源有限,当大量的设备几乎同时向基站发起随机接入请求时,可能会导致接入网拥塞,接入时延增大,无法满足用户的服务质量需求。通过分析时隙接入模型,提出了一种自适应调整时隙接入周期的接入控制优化方案。与基于时隙接入的信道接入控制协议(SCACP)相比,该方案首先通过实时接入负载的估计,优化时隙接入周期的选择,均衡了接入时隙的接入请求,既保障了设备的接入成功率,又减少了不必要的前导重传,降低了接入时延。最后,仿真结果验证了所提接入控制优化方案的有效性。展开更多
文摘随着物联网(IoT, internet of things)基站的部署愈发密集,网络干扰管控的重要性愈发凸显。物联网中,设备常采用随机接入,以分布式的方式接入信道。在海量设备的物联网场景中,节点之间可能会出现严重的干扰,导致网络的吞吐量性能严重下降。为了解决随机接入网络中的干扰管控问题,考虑基于协作接收的多基站时隙Aloha网络,利用强化学习工具,设计自适应传输算法,实现干扰管控,优化网络的吞吐量性能,并提高网络的公平性。首先,设计了基于Q-学习的自适应传输算法,通过仿真验证了该算法面对不同网络流量时均能保障较高的网络吞吐量性能。其次,为了提高网络的公平性,采用惩罚函数法改进自适应传输算法,并通过仿真验证了面向公平性优化后的算法能够大幅提高网络的公平性,并保障网络的吞吐性能。
文摘传统的货位优化方法没有充分利用库存量单位(Stock keeping units,SKUs)之间的相关性关系。以一种存在相关性需求的'波次分区拣货、整体补货'的周期性环境为对象,以最小化最大的分区拣货时间为目标建立货位优化的数学模型,提出相关性强度的概念和计算方法,设计出基于相关性的货位指派算法(Storage allocation based on correlations,SABC)和不考虑相关性的随机货位指派算法(Storage allocation based on random,SABR)算法,SABC算法以体积—订单指数(Cube per order index,COI)法则的解为初始解,通过定量化的'相关性位置交换策略'将相关性强的'SKUs对'指派到相近的货位中来提高拣货效率。测试结果表明:SABC算法具有较好的收敛性,其收敛速度明显优于SABR算法,求解质量比COI法平均改进约7.6%~25.1%,比SABR算法平均改进约1.36%~14.50%;需求相关性强度越高,拣货效率提升潜力越大。
文摘在LTE-A中,由于物理随机接入信道(physical random access channel,PRACH)资源有限,当大量的设备几乎同时向基站发起随机接入请求时,可能会导致接入网拥塞,接入时延增大,无法满足用户的服务质量需求。通过分析时隙接入模型,提出了一种自适应调整时隙接入周期的接入控制优化方案。与基于时隙接入的信道接入控制协议(SCACP)相比,该方案首先通过实时接入负载的估计,优化时隙接入周期的选择,均衡了接入时隙的接入请求,既保障了设备的接入成功率,又减少了不必要的前导重传,降低了接入时延。最后,仿真结果验证了所提接入控制优化方案的有效性。