一种新的实现效用函数最大最小公平性的分布式算法

计算机网络中的一个核心问题就是如何在竞争的流之间公平地分配带宽。由于网络是分布式的,因此又要求带宽分配算法可以是分布式的,这样就可以在路由器端和用户端配置,从而分别不停地调节速率以达到网络平衡和最优状态。不同的算法对应不同的公平性标准,其中应用最为广泛的就是最大最小公平性以及效用函数最大最小公平性。本文提出了一种新的方法来实现效用函数最大最小公平性,这种方法基于非线性优化中的向量优化方法和Kuhn-Tucker条件。利用这种方法可以把网络优化问题转化为一系列等价的条件,这些条件的最优解就是原问题的解。而求解这些条件可以运用经典的非线性优化的梯度投影算法,由此产生了一种分布式的用户链路算法并通过案例验证了其正确性及性能。

基于效用公平的多用户下行OFDM系统机会调度

基于对单信道系统中效用公平机会调度的研究,提出了一种多用户下行OFDM多载波系统中的调度方案。该方案充分利用信道的时变和频率选择特性,由参数更新和调度决策两个模块组成:参数更新模块根据调度结果更新控制参数;调度决策模块根据所有用户的信道信息和参数更新模块输出的公平性控制参数决定该时隙每个用户使用哪些子载波。仿真结果表明,参数选取合适时,所提的简单调度方案能够在保证效用公平性的前提下,达到比复杂的Max-Min子载波分配算法更好的系统性能。

面向应用的流控制算法及其公平性

研究了计算机网络中的流控制和资源分配问题。定义了一种新的效用函数α比例公平性,它是效用函数比例公平性的一般性扩展,并且可以无限地逼近效用函数最大最小公平性。设计了一种达到这个公平性标准的分布式流控制算法。