广义分式规划Dinkelbach型算法的改进

在紧集情况下 ,在讨论了广义分式规划问题的Dinkelbach型算法的基础上 ,提出了改进的Dinkelbach型算法 ,结果表明 ,该算法比现有的算法更简单 。

广义分式规划Dinkelbach型算法的推广

就一类目标函数中有无限个分式的广义分式规划问题,在已有的相应的D inkelbach型算法的基础上作了进一步的推广,使其成为一簇算法;讨论了一个参数规划的性质和该簇算法的收敛性.结果表明:改进的D inkelbach型算法是该簇算法的一个特例,并且该簇算法在每次迭代时参数的取法有很大的灵活性,因而在求解时可允许有较大的误差而无损于相应的收敛速度.

基于Dinkelbach算法的优化混合网络用户关联策略研究

在5G网络中,使用混合网络,引入一些低功率节点,提出基于TDMA系统的联合优化用户关联和功率控制的能效优化方案,通过优化用户关联和功率控制来提高网络能效。以系统能效最大化为目标,限制基站最大关联用户数,设计出用户关联算法。利用Dinkelbach算法优化功率控制,获得系统最大能效,并对提出的交替优化算法进行仿真验证。

广义分式规划的Dinkelbach型算法

考虑紧集情况下，广义分式规划问题（Ｐ）的Ｄｉｎｋｅｌｂａｃｈ型算法。

联合功率控制和信道分配的蜂窝网络能效优化算法

为了提高混合设备到设备(D2D)蜂窝网络中D2D干扰导致系统能效下降的问题,提出了联合功率控制和信道分配的能效优化(EEPC)算法,进而提升系统能效。以D2D用户和蜂窝用户最小速率为约束条件,建立最大化能效的优化问题;利用块坐标下降法将优化问题转化为信道分配和功率控制两个子问题,再分别利用Q学习算法、Dinkelbach算法和优化最小(MM)算法求解。并对Q学习算法中贪婪搜索因子进行改进,采用动态的搜索因子,平衡探索与利用间的关系。性能分析表明,提出的EEPC算法提升了系统能效。

有源智能反射面辅助的无线安全网络能效优化

由于“双重衰落”效应,使得含有IRS系统的链路传输过程面临两段较大的链路损耗,为了解决该效应,引入有源IRS辅助系统安全。基于此提出了物理层安全领域下有源IRS辅助系统安全保密能量效率优化问题,并考虑用户保密速率约束、基站发射功率约束、IRS功率约束以及反射原件放大系数约束。为了解决该多变量耦合的非线性优化问题,采用交替优化技术、Dinkelbach方法、SDR技术联合处理。对比有源IRS、无源IRS以及无IRS辅助三种方案,仿真结果显示,所提出的有源IRS辅助方案能够达到更好的保密能效,从而使系统安全性得到保证。

求解多组变量典型相关分析Maxrat准则的预处理Dinkelbach方法

多组变量典型相关分析的Maxrat准则是一类具约束的非线性最优化问题.本文给出了关于最优性的一阶必要条件和一个便于应用的充分条件.利用Dinkelbach技巧给出了求解Maxrat的一种算法.提出了几种初始点策略用于改进算法的收敛速度和提高收敛到全局最优解的可能性.数值实验结果证明算法和初始点策略是有效的.

基于时隙和功率分配的联合优化算法

能效是支持设备到设备通信(device-to-device,D2D)的蜂窝网络的关键性能。在每个D2D群内有一个发射设备和两个接收设备。发射设备从基站广播的信号采集能量,再利用所采集的能量向接收设备传输数据。提出基于时隙和功率分配的联合优化算法(joint time and power allocation optimization,JTAO)。通过优化采集能量和传输数据的时隙以及发射功率,最大化能效。发射设备采用非正交多址接入技术,降低用户间干扰。性能分析表明,通过优化发射设备的传输功率,提升用户能效。

基于能效的D2D通信系统的干扰协调与资源优化

针对传统蜂窝用户与D2D通信用户之间的同频干扰问题,提出基于能效的D2D通信干扰协调与资源优化方案。该方案采用功率控制与资源分配分步进行的方式进行处理,首先是对于单个D2D用户的功率控制,在蜂窝用户最小速率以及D2D用户和蜂窝用户最大功率的限制条件下,通过优化D2D用户和蜂窝用户的功率使得D2D用户的能效最大,在此阶段,采用基于参数法的Dinkelbach算法来进行用户的功率分配;最后借助Kuhn-Munkres(KM)算法为D2D用户分配蜂窝频谱资源,以使得D2D用户的总能效最大。仿真结果表明,相比于其他方案,在保证蜂窝用户正常通信时,该方案能够进一步提高系统内D2D用户的能量效率,使能效优化效果更明显。

采用分式规划与纵横交叉算法的环境经济调度

针对带约束的电力系统环境经济调度问题,提出一种全新的基于分式规划与纵横交叉算法的多目标优化方法。在求解过程中,提出一种带非线性约束的双模型优化机制,其中模型Ⅰ为分式规划函数,模型Ⅱ为燃料费用的二次函数。采用Dinkelbach算法将模型Ⅰ转化为非分式规划函数,所求得的污染气体总排放量作为等式约束条件应用于模型Ⅱ,同时采用新型的纵横交叉算法对这两个模型进行优化。对IEEE-30节点系统的仿真结果表明:相比较其他算法,所提出的方法更加简单、稳定,且精确性高,易于操作,可在燃料高效利用的同时获得更小的污染气体排放量。

中继协助下的D2D通信干扰协调方案

为解决中继协助下的D2D通信干扰协调问题,提出一种联合功率控制、中继选择与资源分配方案最大化系统的吞吐量。将系统目标函数转化为功率控制、中继选择与资源分配的两个子问题,在功率控制问题上将原有的子问题转换为线性分数规划问题,通过Dinkelbach算法得到最优发射功率,在中继选择与资源分配的问题上将其转化为图论中最大匹配问题,采用匈牙利算法得出其最优解。实验结果表明,该方案能够有效提高系统总的吞吐量以及频谱效率。

基于能效和异构服务的密集家庭小区资源分配

密集家庭小区网络提高了网络容量,同时也严重增大了网络的能耗。为了提高家庭基站网络的能效,针对密集家庭小区场景,联合考虑家庭用户的异构服务、电路功率、网络的跨层干扰,提出了最大化家庭用户总能效的资源分配算法,利用Dinkelbach理论和拉格朗日对偶分解理论,求解了该优化问题的闭式解,并分析了算法复杂度。仿真结果表明,所提的资源分配算法具有更高的网络能效,比已有资源分配算法的能效提高了约20%。

多用户无线信能同传系统能效优化方法

针对多用户无线信能同传系统下行链路,研究多用户无线信能同传系统能效优化方法,提出了一种改进型Dinkelbach方法。首先利用Dinkelbach方法将分式问题转换为减式问题,再通过引入冗余变量将和速率最大化问题等价为加权均方误差最小化相关问题,并利用凹凸优化的思想将该问题近似为二阶锥规划凸问题,最后利用块坐标算法对此问题进行迭代求解得出改进型Dinkelbach方法。仿真结果表明,该方法能有效改善系统能量效率。

下行多用户NOMA系统中基于能效优化的资源分配

非正交多址接入技术(Non?orthogonal multiple access,NOMA)提高了通信系统的频谱效率且可支持大量用户接入,因此受到广泛关注。以能量效率(简称能效)最大化为目标的多用户NOMA系统下行链路的资源分配问题,是一个难以求解的非凸问题,为此,将问题分解成用户分组和功率分配2个子问题。首先采用一种基于贪婪算法的用户分组方式降低了穷举法的计算复杂度;其次根据确定的分组方式,得到各个子信道上复用用户的功率分配系数表达式。为了进一步提高系统的能效,研究了子信道间非等功率分配方案,将子信道功率分配问题规划成非线性非凸的比率和问题,并利用Dinkelbach类算法得到次优解。仿真结果显示,文中采用的方案可以达到更好的系统容量和能效。

基于NOMA系统的上行链路功率分配

为解决用户速率化前提下的能效优化问题,针对非正交多址接入(NOMA)系统上行链路,提出了基于Dinkelbach算法的最佳功率分配方案.仿真结果显示:当给定用户发射功率最大限值为15 dBm时,系统的能效提升了38 bit·J^-1·Hz^-1.

智能反射表面辅助的MISO通信系统的物理层安全设计方案

智能反射表面(IRS)可通过调整反射单元的相位来提升无线通信物理层安全。针对IRS辅助的多输入单输出(MISO)通信系统,提出一种基于交替迭代的物理层安全设计方案。首先基于安全速率最大化原则,构建一个含有非凸约束的非凸目标函数;然后采用丁克尔巴赫算法和黎曼流形优化算法将非凸问题转化为一系列易于求解的子问题;最后采用交替迭代法实现发送波束成形和IRS相移矩阵的优化设计。仿真结果表明,与现有方案相比,所提方案在计算复杂度与系统安全速率之间取得了更好的折中。

认知边缘计算网络中的计算能效优化方案

分别对存在单主用户(Primary User,PU)与多PU的认知(Cognitive Radio,CR)边缘计算(Mobile Edge Computing,MEC)网络中的资源分配问题进行研究,提出一种次用户(Secondary User,SU)任务计算效率最大化方案。该方案首先根据所建立的CR-MEC网络系统模型建立非凸资源分配优化问题,然后采用Dinkelbach算法消除目标函数的分式形式,利用变量替换与拉格朗日对偶算法对转换后的凸问题进行迭代求解,并根据问题最优解优化CPU计算频率、发送功率以及接入频谱的时隙长度等参数。仿真结果表明,所提方案在不同网络参数下均有效可靠,不同参数对应的性能证明了所提方案的有效性。

分式优化问题的近似最优性条件

在函数不一定下半连续、集合不一定闭的情况下,借助Dinkelbach的方法,将分式优化问题转化为约束优化问题;然后利用函数的ε次微分性质,通过引入新的约束规范条件,建立了分式优化问题的ε最优解的特征刻画.

具有QoS保证的RF能量采集认知无线网络高能效资源分配技术

考虑了一种基于射频能量采集的认知无线网络系统。其中,次用户发射机(ST,secondary transmitter)首先从主用户(PU,primary user)发射的射频信号中收集能量,然后利用所收集能量与次用户通信。此外,ST保留有可能来自之前传输块的剩余能量作为初始能量。目标是通过传输时间和发射功率联合优化,达到次用户网络能量效率最大化。为保证次用户网络服务质量(QoS,quality of service),在能量效率最大化过程中对ST施加最小吞吐量需求约束。由于能量效率最大化是非线性分数规划问题,提出了一种基于Dinkelbach方法的快速迭代算法来实现资源的最优分配。仿真结果表明,该算法收敛速度快,可以在保证QoS约束的同时显著提高系统的能量效率。

能量效率最大化的非正交多址接入系统功率分配方法

为了提高蜂窝网络非正交多址接入系统的能量效率,减少功率消耗,提出了一种基于系统能量效率最大化的非正交多址接入系统功率分配算法。通过对数学模型的分析,在满足一定条件下,将多用户非正交多址接入系统的功率分配问题转化为系统容量最大化问题进行求解;当条件不满足时,给出了通过次梯度法和障碍函数法进行求解的方法。仿真结果表明:该算法与现有方法相比具有显著的性能提升。