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。

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。

移动边缘云计算中基于演进博弈的联合资源分配算法（英文）

在移动边缘云计算系统中重复覆盖的异构网络场景下,为了满足移动终端的任务卸载需求,同时降低终端任务卸载代价,提出基于演进博弈的云资源和计算资源联合分配方案(JRA-EG).同一个区域内具有任务卸载需求的终端形成一个种群,种群中终端通过选择不同的服务点(SPs)获得不同的无线资源和计算资源.为了建模与分析服务点选择与资源分配,建立了演进博弈模型.博弈的代价函数包括能耗代价、时延代价和经济代价.分别提出了基于复制动态的集中式算法和基于Q-learning的分布式算法求解演进均衡.仿真结果表明,所提的2种算法均能快速收敛至均衡解.与已有算法相比,JRA-EG方案节省了终端消耗能量,同时也降低了任务卸载时延.提出的方案能合理调度云资源和无线资源,从而有效降低终端的任务卸载代价.

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。

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。

移动边缘计算系统中基于并行拍卖的无线资源与云资源联合分配（英文）

提出了一种移动边缘计算场景下基于并行拍卖的无线资源与云资源联合优化分配算法.该算法将无线资源与云资源的联合分配建模为拍卖过程,旨在最大化资源供应者的效用,同时满足用户时延需求.该拍卖包括投标、胜者决定以及定价阶段.在投标阶段,用户综合考虑可用资源以及距离等因素来决定投标向量和投标优先级,从而减少处理时延,提高成功交易率.在胜者决定阶段,提出基于资源约束的效益排序算法来决定拍卖的胜者与失败者,从而最大化资源供应者的效益.在定价阶段,采用密封次高价定价法来保证资源定价与投标价格的独立性.仿真结果表明,与现有算法相比,所提算法收敛速度更快,成功交易率更高,资源提供者的平均效益和用户任务处理时延更优.

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.

蜂窝网络D2D通信资源分配研究

针对D2D通信复用蜂窝用户频谱可以提高系统吞吐量和频谱利用率但会产生严重的同频干扰的问题,设计了一种联合资源分配方案,该方案在保证系统用户通信质量的条件下最大化系统吞吐量,首先设计一种基于吞吐量最优化的模式选择方案,然后采用混合遗传算法对D2D用户分配信道,最后在已知信道分配向量的前提下通过混合灰狼优化算法对D2D用户进行功率优化。仿真结果表明,所提方案相对其他方案能够有效提高20%系统总吞吐量和降低90%蜂窝用户受到的干扰,还能提高收敛效果和运行速度。

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。

MEC系统中面向网络切片的3C联合资源分配算法

移动边缘计算(MEC)相关研究已经成为未来移动网络的热点研究之一.在基于网络切片的雾无线接入网络中,提出了一种面向网络切片的MEC系统通信计算缓存(3C)联合的资源分配算法.给出了面向网络切片的多MEC协作资源分配模型,其中考虑了无线接入带宽与回程链路带宽的限制以及MEC系统计算与缓存资源分配对网络切片服务时延的影响;基于服务时延定义了用户获得资源的效用值,构造了系统效用值最大化问题优化不同网络切片下的用户接入、计算与缓存资源分配,并采用连续凸近似交替迭代方法获得近似最优解.对所提算法性能进行了仿真验证,仿真结果表明,所提算法实现了系统总效用值优化,提高了面向网络切片的MEC系统资源利用效率。

一种多无线电系统中基于公平性和精细化带宽分配的资源分配算法

该文针对以OFDMA(Orthogonal Frequency Division Multiple Access)为多址接入方式的多无线电系统中用户比例公平性和系统效率问题进行了研究,提出一种联合资源分配算法,不仅保证了用户比例公平性下系统的吞吐量,还充分考虑了分配的带宽是子信道带宽整倍数的特点,对分配给每个终端的带宽进行子信道整数倍调整。最后通过仿真对比,从系统吞吐量和公平性两方面给出了算法的性能。

基于实际应用环境的OFDM协同认知网络资源分配算法研究

研究了基于正交频分复用(OFDM)的协同认知无线网络中联合资源分配问题。为了更好地适应实际的应用环境,考虑了多约束条件下的资源分配方案以最大化整个网络系统的吞吐量。针对不同的中继传输协议,提出了相应的联合子载波匹配、功率分配和最佳中继选择的资源分配算法。仿真结果表明该算法在大大降低算法复杂度的同时亦能获得较好的算法性能。

D2D网络中基于组合拍卖的无线资源分配机制

针对端到端(device-to-device,D2D)用户与蜂窝用户共享频谱资源产生的干扰问题,以最大化系统中D2D链路的吞吐量为优化目标,提出一种联合功率控制和信道分配的资源分配机制。根据D2D用户的干扰门限和蜂窝用户的信干噪比(signal to interference plus noise ratio,SINR)提出了一种基于用户间距离的复用准则,确定D2D用户可复用的信道资源集合;在给定D2D用户复用任意资源集合的前提下,调整D2D用户的发射功率,以衡量各个D2D用户在不同信道资源集合上的吞吐量,但暂不分配功率;基于功率控制的结果,采用组合拍卖的方法为D2D链路分配信道及对应的发射功率,从而实现了联合功率控制和信道分配。因此,系统资源分配结果更为合理。仿真结果表明,该机制能有效抑制跨层干扰和同层干扰,提升D2D链路的吞吐量,提高用户的服务质量(quality of service,QoS)。

中继系统中子信道和功率及节点选择联合分配

在LTE-A协作中继系统中,如何选择合适的中继节点参与到协作传输中来以及如何对基站和己选中继节点进行资源分配,都是需要重点研究的问题。为此提出一种基于节点选择、两跳子信道和功率的联合分配方案。该方案在资源分配过程中考虑了用户分组的传输效率和用户间的公平性,它首先根据用户的等效信道增益选出每个用户的最优中继节点以及两跳配对子信道,然后从中选出系统能提供的最大用户分组,最后针对那些不足以支持新的用户分组传输的系统剩余资源进行重新分配。在剩余资源的分配过程中,以最大化调度用户资源分配优先级为目标进行功率和子信道资源的重新分配。仿真结果表明,所提方案能在满足用户需要的条件下增大系统吞吐量,同时能兼顾用户公平性。

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。

基于多目标跟踪的相控阵雷达波束和驻留时间联合分配方法

相控阵雷达能同时发射多个波束,其波束指向灵活,且能实现无惯性的快速扫描。为了使相控阵雷达用尽量少的系统资源去实现多个目标的同时跟踪,该文提出了一种基于多目标跟踪的波束和驻留时间联合分配方法。该方法通过建立和求解一个在各目标跟踪精度满足一定要求的前提下,最小化总波束驻留时间的非凸优化数学问题来实现资源的联合分配。贝叶斯克拉美罗界(BCRLB)为目标状态估计的误差提供了一个下界,该文推导了带有资源参数变量的BCRLB并将它作为跟踪性能的准则。随后针对上述非凸优化问题,该文提出一个先确立波束指向再分配驻留时间的两步分解算法。最后,根据资源分配结果,采用粒子滤波算法实现了多目标跟踪。仿真结果证明,和平均分配资源的固定操作方式相比,该文方法不仅能节约系统资源而且能保证坏目标的跟踪性能,体现了该文方法的有效性。

火力与制导资源联合分配的快速构造算法组合设计

火力与制导资源联合分配问题是军事运筹学研究中典型的NP完全问题,其求解具有较高的实时性要求.精确求解算法难以适用,而近来提出的构造算法的时间开销也相对较大,严重影响算法的实际应用.为了解决该问题,本文将其建模为多阶段传感器–武器–目标分配(sensor-weapon-target assignment,S-WTA)问题,并分解成两类作战资源分配子问题.在武器分配阶段采用了一种基于威胁值确定分配优先级的快速构造算法,在传感器分配阶段提出了一种新的基于阶段顺序确定分配优先级的快速构造算法,该算法能充分利用约束条件,大幅度减小时间开销.本文在两种基本构造算法与基于边际损失的构造算法的基础上进一步提出了构造算法序列化组合,对多阶段S-WTA问题进行求解.计算实验验证了新提出的基本构造算法的快速性以及构造算法序列化组合相比于各种基本构造算法的性能优势.

基于车辆边缘计算的用户能耗最小化资源分配研究

考虑车辆时变信道对资源分配策略的影响,构建在保证任务QoS要求下的车载用户终端能量消耗最小化问题。利用车辆信道可预测特性以及李雅普诺夫随机优化理论将原问题分解为计算资源分配和无线资源分配两个子问题。由于计算资源分配子问题是单变量优化问题,因此可以直接得到解决方案。而对于无线资源分配子问题,通过将其转换为单变量优化问题进行求解。基于两个子问题的结果,提出一种联合无线与计算资源分配算法。仿真结果显示,当数据包平均到达速率从20个/时隙增加到40个/时隙时,该算法能耗相较于传统的贪婪算法能耗降低了48.85%。

基于鸽群算法的移动异构网络通信资源分配方法

针对在通信资源分配方案设定过程中忽视网络动态性,导致资源分配过程能效较高且用户资源获取量公平性较低的问题,提出基于鸽群算法的移动异构网络通信资源分配方法。将异构通信网络的组成部分分割为一个宏小区以及多个微小区,构建异构通信网络模型,为后续的研究提供基础。选择网络的数据吞吐量与能效值作为移动异构网络通信资源分配的目标函数,根据目标函数使用鸽群算法,求解通信资源分配方案的设计与优化。构建实验环节,分析此方法的应用效果。实验结果表明:该方法具有降低资源分配过程能效,提升用户资源获取量公平性和通信业务平均效用的作用。可为日后移动异构网络通信资源分配技术的发展寻找新方向。