基于强化学习的无线带宽与功率联合资源分配方法研究

无线资源调度是移动通信网络研究的核心问题之一,高效可靠的无线资源调度对于服务质量保障和系统效率起到关键作用。面向6G智能内生网络,提出一种基于双延迟深度确定性策略梯度强化学习的PRB分配和功率分配统一调度的方法,相比于传统资源调度和基于强化学习的单用户资源调度,该算法在调度周期内对用户需求和网络资源统一考量,相比于带宽轮询分配和功率平均分配,单PRB速率提升10%以上,有效提升了无线资源的利用效率和系统吞吐量。

光纤网络动态路由联合资源最优分配方法

随着网络流量的增加,光纤网络动态路由计算复杂度随之增加,耗费更多的联合资源。为此,提出光纤网络动态路由联合资源最优分配方法。以有向图形式映射网络节点,计算路由传输频谱利用率。根据带宽、时延、网络延时抖动指标,获取动态路由联合资源。通过传输路径上链路的频谱连续度,选择连续度最佳的频谱业务,基于频谱感知和贪婪算法对业务分割合并,实现联合资源最优分配。实验结果表明,当业务负荷为400 Erlang时,所提方法的带宽阻塞率仅为10%,频谱利用率高达90%。另外,经过一个动态资源的传输周期,该方法的数据节点占比低,说明该方法具有较好的稳定性。

数字孪生辅助边缘智能中基于联盟博弈的联合资源优化

针对边缘智能驱动的工业物联网中边缘服务提供商(Edge Service Providers,ESPs)资源时空分布不均对系统性能的影响,提出了一种数字孪生辅助边缘智能的联盟博弈资源优化方案。首先,在满足ESP带宽资源、计算资源和缓存资源限制条件,以及边缘智能应用最大可容忍时延等多重约束条件的前提下,通过建立基于可转移效用联盟博弈的边缘终端效用最大化主问题和ESP效用最大化子问题,来联合优化多维资源配置;其次,将上述两个问题合并转化为带有线性约束的凸优化问题;最后,基于交替迭代方法得到该等效优化问题的近似最优解。仿真结果表明,与纳什均衡、大联盟等典型基线方案相比,所提方法的资源利用率均有显著提升,且随着ESP数量的增加资源利用率提升度逐渐增加,所提方案更加适用于大规模边缘智能系统。

基于量子粒子群优化的多波束卫星联合资源分配算法

当使用元启发式算法求解多波束卫星联合资源分配问题时,时延约束和容量约束会导致计算复杂度增大,且算法难以收敛。对此,通过在目标函数中引入惩罚机制,在无效解的目标函数值加入了惩罚值,使得算法的优化解自适应地满足这两个约束。在此基础上,提出了基于量子粒子群优化的联合资源分配算法。仿真结果表明,惩罚策略的引入解决了应用元启发式算法时,难以处理时延约束和容量约束的问题,而带有惩罚机制的量子粒子群算法在分配公平性指数、总系统容量上均优于已有联合分配算法。

安全雾计算物联网的联合资源配置方法

当前雾计算物联网系统在物理通信传输过程中容易遭受窃听攻击,现有雾计算相关研究未能有效解决这一难题,为实现雾计算物联网的物理层安全(PLS)通信以此对抗多个窃听器的恶意窃听,提出一种物理层安全雾计算物联网(PSFC-IoT)系统,并分析所提系统在安全通信场景下的系统保密速率。针对网络的资源配置问题,提出一种基于量子种子优化算法(QBOA)的联合资源配置方法,并对所提方法的收敛性进行分析。仿真实验结果证明了所提模型的有效性,并揭示了各种环境参数对系统保密性能的影响。此外,仿真结果还表明,所提方法在各种通信场景下均能获得最佳的保密性能。

异构网络双连接中联合资源分配快速算法

针对异构网络双连接系统中联合资源分配算法复杂度高、收敛速度慢的问题,提出了1种次优的快速分配算法。该算法以一定的系统吞吐量为代价来降低计算的复杂度,减少信令开销。数值分析结果表明,在1个由30个用户构成的系统中最优吞吐量可以达到约97%,并且计算复杂度较已有的算法有2-7倍的改善。

WiMAX下行链路中保证QoS的联合资源管理策略

提出了一种适用于全球微波接入互操作(W iMAX)网络的联合资源管理策略。通过基站(BS)处的联合资源管理,系统能够根据信道、用户及服务流状态信息动态地调整调度策略及资源配置策略,在实时变化的无线信道上自适应地分配带宽资源,从而保证系统用户获得的多媒体通信服务能够满足服务质量(Q oS)的最低要求。仿真结果表明,该联合资源管理策略能够在兼顾用户公平性的情况下有效地满足各种多媒体通信服务流的速率和时延等需求。

基于CoMP技术的D2D联合资源分配

多点协作传输与接收(Coordinated Multi-Point Transmission/Reception,Co MP)技术已成为LTE-A中消除或降低小区间干扰、有效提高小区边缘用户性能的关键技术之一。同时终端直通(D2D)技术在节省资源、减小干扰和提升传输效率等多方面有巨大优势。目前,为了最大化频谱利用率,大多数研究都采用D2D用户与蜂窝用户共享小区内频谱资源的方式,但是这种复用方式引入了D2D用户与蜂窝用户间的干扰,将Co MP技术应用到D2D场景下,可以很好地解决D2D用户与蜂窝用户间的干扰。

基于异步奖励深度确定性策略梯度的边缘计算多任务资源联合优化

移动边缘计算(MEC)系统中,因本地计算能力和电池能量不足,终端设备可以决定是否将延迟敏感性任务卸载到边缘节点中执行。针对卸载过程中用户任务随机产生且系统资源动态变化问题,提出了一种基于异步奖励的深度确定性策略梯度(asynchronous reward deep deterministic policy gradient, ARDDPG)算法。不同于传统独立任务资源分配采用顺序等待执行的策略,该算法在任务产生的时隙即可执行资源分配,不必等待上一个任务执行完毕,以异步模式获取任务计算奖励。ARDDPG算法在时延约束下联合优化了任务卸载决策、动态带宽分配和计算资源分配,并通过深度确定性策略梯度训练神经网络来探索最佳优化性能。仿真结果表明,与随机策略、基线策略和DQN算法相比,ARDDPG算法在不同时延约束和任务生成率下有效降低了任务丢弃率和系统的时延和能耗。

“一带一路”背景下资源型联合投资策略选择研究

“一带一路”沿线国家资源分布不均衡且相互依存度高,资源型海外投资成为沿线国家保证经济安全的重要路径。文章通过构建鞍点概率模型和算例仿真,探究不同参数条件下中国国有企业和民营企业联合投资概率的最优调节方法。研究表明:联合投资的合作收益、合作成本、违约金等市场机制因素对联合投资概率有一定影响但不能达到预期;搭配政府打造合作平台、实施财税激励等宏观调节措施能有效地提升企业联合投资概率;进一步考虑适度调节合作方的初始投资比例可以有效促进联合投资主体向积极合作的方向演化,以上因素复合牵引对联合投资概率的影响更为显著。研究丰富了企业海外投资影响因素的研究,对企业投资策略选择以及政府宏观政策实施具有现实意义。

基于DQN的异构测控资源联合调度方法

以异构测控网资源联合调度为研究对象,提出一种基于强化学习的深度Q网络(deep Q network, DQN)算法。在充分分析异构测控资源联合调度问题特点后,用数学语言对影响问题求解的约束条件进行描述,建立了资源联合调度模型;从应用强化学习解决问题的角度,对求解的问题进行马尔科夫决策过程描述后,分别设计了2个结构相同的神经网络和基于ε贪婪算法的动作选择策略,并建立了DQN求解框架。仿真结果表明:基于DQN的异构测控资源调度方法较遗传算法能够找到调度收益更优的测控调度方案。

数字图书馆资源联合建设的共建共享

随着社会的不断发展,现代科学技术已逐渐成熟并广泛应用于各个领域。数字图书馆在建设过程中资源变得更加丰富,大幅度提高书籍文献的利用率。科学技术时代数字图书馆能够实现资源的联合共建,对提升馆藏质量有着十分重要的作用。该文结合笔者在遵义市图书馆工作经验,分析探讨了数字图书馆资源的共建共享方法,以便促进图书馆资源水平的提升,丰富大众精神文化生活,希望能够为相关人员提供一定的帮助。

机坪联合资源管理问题分析

近年来,随着机坪上航空器、特种设备和人员的增多,机坪交通趋于复杂化,为保证机坪运行安全,提升机坪运行效率,机坪资源管理者迫切需要一种科学、实用的资源管理方法来指导其对机位、特种设备等资源的分配管理。本文首先阐述了传统的资源管理方法和近年来国内外学者在此领域的研究成果,分析了存在的缺陷。然后,基于对机位、特种设备等资源及其周边运行环境的分析,提出一种综合考虑航班需求、资源特征属性、机位周边运行环境等因素的机坪联合资源管理新理念。最后,对该理念的先进性与实用性进行分析总结。

超密集异构蜂窝网多维资源联合优化算法

作为5G的关键技术,超密集组网(UDN)可以大幅度提高网络容量和用户体验,但其性能严重受限于小区间干扰。针对超密集异构蜂窝网络的无线资源高效管理问题,提出了一种多维无线资源联合分配算法。为了在保障用户服务质量的前提下,最大化系统能效,将时频资源与功率资源的最优分配问题建模为有约束的组合优化问题。由于这是一个NP-hard问题,求解比较困难。因此,采用分步优化+迭代搜索策略:首先基于模拟退火算法进行时频资源优化分配,并引入粒子删减和回火升温过程以提高搜索速度和避免落入局部最优陷阱;然后采用拉格朗日乘子法进行功率最优分配;最后,通过多次迭代,逼近全局最优解。仿真结果表明,提出的联合资源分配算法能够保障用户间的公平性并且有效提高系统能效与网络吞吐量,同时具有更快的收敛速度和更高的收敛精确度。

D2D通信中资源分配与功率优化联合算法

针对D2D通信引入蜂窝网络时产生的资源分配问题,提出了一种有效的联合匈牙利资源分配算法JOHG,通过对D2D用户与蜂窝用户进行频谱资源和传输功率的优化分配,算法可以实现异构网络中传输速率最大化.在求解关联矩阵的基础上,联合优化被转化为非凸优化问题并利用连续的凸估计策略SCA进行求解.仿真结果验证了所提算法的有效性.

一种改进的死锁和活锁避免资源联合分配协议

提出一种改进的死锁和活锁避免资源联合分配协议——OODP3(Optimal ODP3),OODP3基于ODP3(Or-der-based Deadlock Prevention Protocol with Parallel requests)的安全状态方法避免死锁和活锁,但是,OODP3将其时间复杂度降到多项式级,并对OODP3的正确性进行了理论证明,实验结果表明OODP3的执行速度快,而且比现有的资源联合分配协议具有更优越的性能;最后进一步讨论了退避时间协议和资源分配策略对OODP3性能的影响.

网格计算环境下资源联合分配的映射策略与机制

提出用于网格环境的资源协同调度框架及网格环境下多任务的资源映射策略,用图论中有向无环图解决资源调度过程中任务的优先级限制问题,并在有向无环图上构造兼容图,通过寻找图中最大独立任务集的方法,解决多任务对多资源请求的资源共享问题。给出了网格计算环境下动态资源联合分配的资源管理机制。

可重配置无线网络中联合无线资源管理研究

对可重配置网络进行资源管理的研究是当前无线领域内的一个热点问题,而其中联合无线资源管理机制和算法是影响网络协同性能的最关键因素之一。本文介绍了可重配置系统的联合无线资源管理研究领域的最新成果和进展,并对研究热点和未来发展方向进行了分析展望。

B3G网络联合无线资源管理的研究

文章首先阐述了联合无线资源管理的特点,并和原有的无线资源管理进行对比,然后分析了联合无线资源管理的研究现状,最后重点论述了集中式的联合无线资源管理和分布式的联合无线资源管理的框架、功能和算法机制。

低轨卫星高能效载波功率资源联合调度算法

结合多波束低轨(multi-beam low earth orbit,MB-LEO)卫星通信场景,研究了一种多目标载波功率联合优化(joint subcarrier scheduling and power control resource allocation,JSSPC-RA)算法。通过求解整数混合规划非凸优化问题,得到了不同通信需求下MC-DS-CDMA子载波和子载波功率的联合调度方案,实现了系统用户未满足容量和卫星总功耗的最小化。仿真结果表明,相对于传统的载波功率均分策略,JSSPC-RA算法能够在满足系统吞吐量需求的前提下大幅节省卫星总功耗;同时,通过调节权值系数,JSSPC-RA算法可以生成用户吞吐量需求与卫星总能耗折中的系统设计方案,适用于频谱、能量资源高度受限的MB-LEO卫星系统。