超密集网络中的绿色预测资源分配

大数据分析兴起使得系统可以预测用户的移动轨迹和业务需求等信息,从而可以根据预测信息对资源进行预先分配,在满足用户需求的同时降低网络的资源消耗。相比于无干扰网络,在基站密集部署的网络中,干扰的存在使得用户数据率预测与资源分配耦合,增加了干扰网络中进行预测资源分配的复杂性。本文研究了在保证用户业务需求情况下如何最小化系统资源消耗的问题,提出了一种能够有效协调网络干扰的预测资源分配方法。仿真结果表明,本方法基于可预测的大尺度信道信息进行预测资源分配,能够在相同的用户需求下提高网络成功传输率,降低系统能量资源消耗,提高资源的频谱效率。

关于一对宏观经济优化模型的进一步讨论

本文通过对文[1]所建立的政府追求社会福利最大化和资源消耗最小化两个宏观经济优化模型的进一步讨论,得到了一个关于模型解的并有着较好经济解释的定理,并且指出了政府所寻求的既能保证效率又能兼顾公平的政策方案关键在于社会福利函数的设计,同时也与模型给定的常数系有着密切的关系。