宏基站和微基站群之间的预测性信道调度算法

针对5G超蜂窝网络的宏基站和微基站群之间的非实时业务传输,提出了一种新型预测性信道调度算法。首先,利用静止通信体之间无线信道的随机平稳过程特征,从古典概率论的角度为调度过程建立了一个离散信道状态概率空间并对其进行事件域分割;然后,通过各事件域的概率数值计算实现对多用户多非实时业务的高效调度。理论分析和仿真结果表明,所提算法计算复杂度低,和其他一些经典调度算法相比,所提算法可在更长时间维度上进行业务优化传输,在吞吐量性能上逼近最大信噪比算法,重负荷情况下系统吞吐量提升了约14%;同时通过精确量化计算实现了业务期望速率和实际调度速率的自适应匹配。

概率核的存在性及转移概率的可微性

本文给出了某个概率核存在的充要条件.结合已有的结果,我们得到了抽象空间中跳过程的转移函数关于时间参数t可微的充要条件.

PAC最优的RMAX-KNN探索算法

探索与利用的均衡是强化学习研究的重点之一。探索帮助智能体进一步了解环境来做出更优决策;而利用帮助智能体根据其自身当前对于环境的认知来做出当前最优决策。目前大多数探索算法只与值函数相关联,不考虑当前智能体对于环境的认知程度,探索效率极低。针对此问题,提出了一种基于状态空间自适应离散化的RMAX-KNN强化学习算法,算法根据当前智能体对于环境状态空间的离散化程度改写值函数形式,然后基于此值函数对环境进行合理的探索,逐步实现对于环境状态空间的自适应离散化划分。RMAXKNN算法通过将探索与环境状态空间离散化相结合,逐渐加深智能体对于环境的认知程度,进而提高探索效率,同时在理论上证明该算法是一种概率近似正确(PAC)最优探索算法。在Benchmark环境上的仿真实验结果表明,RMAX-KNN算法可以在探索环境的同时实现对于环境状态空间的自适应离散化,并学习到最优策略。

基于马尔可夫过程的多部件系统劣化状态空间划分模型

工业系统的复杂性及智能化程度的不断提高使得系统的可靠性和安全性严重制约着系统正常的工作运转.长时间的工作运行会加大系统的故障风险,降低其安全稳定性.为了减少系统故障给产品质量和生产成本带来的影响,系统的最优维修决策问题逐渐成为研究的热点.分析系统的劣化状态有利于对系统做出正确的维修决策,延长系统的运行时间及减少经济损失.针对相同且劣化独立的多个部件组成的系统,建立离散状态建模下的多部件系统的多状态联合劣化空间划分模型.通过联合劣化状态空间的划分,给出所有维修需求组合及其概率计算通式,运用马尔科夫过程理论建立系统状态的平稳概率模型,并通过数值实验验证了该模型的正确性和有效性.

针对静态和低速用户的一种基站新型分组调度算法

分组调度作为基站通信系统的一个核心技术,如何在吞吐量极大化和公平服务之间实现较好的折中一直是研究热点。基于用户的信道状态统计信息,利用静态或低速移动的用户的信道状态时变但统计特征保持稳定的特性,提出了一种新型的分组调度算法。该算法对多用户的联合信道状态概率空间进行巧妙的事件域切割,并计算出其发生的具体概率值,据此对这些用户进行可量化的合理调度,实现对公共无线信道的高效和公平利用。理论分析和仿真结果表明,该算法可以在系统总吞吐量极大化的同时实现用户分配速率的趋同,为化解吞吐量极大化和公平服务之间矛盾提供了一种新的方法。