Distributed Learning for Proportional-Fair Resource Allocation in Coexisting WiFi Networks
在本文中，我们重新审视了广为人知的性能异常，导致严重的网络效用下降时，节点使用不同的调制和编码方案的WiFi网络。比例公平分配被证明可以缓解这种异常，并为站点提供良好的吞吐量。它可以通过基于优化问题的显式解选择竞争窗口值来实现，或者如最近提出的，通过遵循使用集中式梯度下降算法的基于学习的方法来实现。在本文中，我们利用我们最近的异步分布式优化的理论工作，并提出了一个简单的算法，允许WiFi节点独立调整其竞争窗口，以实现比例公平。我们比较的吞吐量和空中时间分配，该算法实现了标准的WiFi二进制指数回退，并显示改进。
2021-02-09 cs.NI
Distributed Resource Allocation for Relay-Aided Device-to-Device Communication: A Message Passing Approach
蜂窝无线网络下的设备到设备（D2 D）通信是通过允许两个蜂窝设备之间的直接传输来改善用户体验和资源利用的有前景的概念。在本文中，网络辅助的D2 D通信的性能进行了研究，其中D2 D业务进行通过中继节点。考虑多用户多中继网络，我们提出了一种分布式解决方案的资源分配，以最大限度地提高网络的总速率。针对中继站的无线电资源分配问题，提出了一种优化算法。目标是在总功率约束下最大化端到端速率以及满足蜂窝和D2 D用户设备的数据率要求。由于资源分配问题的棘手性，我们提出了一种使用消息传递技术的解决方案，其中每个用户设备以迭代的方式向/从中继节点发送和接收信息消息，以实现最优分配。因此，计算工作量在所有用户设备和对应的中继节点之间分布。证明了该方案的收敛性和最优性，并概述了该方案在实际LTE-Advanced网络中的可能分布式实现。数值结果表明，存在距离阈值，当与D2 D对等体之间的直接通信相比时，超过该距离阈值时，中继辅助的D2 D通信显著地提高了网络性能，而端到端延迟略有增加。
2014-06-12 cs.NI
Distributed Resource Allocation for Proportional Fairness in Multi-Band Wireless Systems
在多频带多小区自组织无线系统（诸如多信道Wi-Fi网络、3G/4G蜂窝网络中的毫微微/微微小区以及TV空白空间上的更近的无线网络）中的挑战性问题是分布式资源分配。这涉及四个组件：通道选择、客户端关联、通道访问和客户端调度。在本文中，我们提出了一个统一的框架，共同解决的四个组件与全球系统的目标，最大限度地提高客户端的吞吐量按比例公平的方式。我们的配方允许一个自然的问题分解成两个子部分。我们表明，第一部分，涉及信道接入和客户端调度，是凸的，并得出一个分布式的适应过程，实现帕累托最优解。对于第二部分，涉及信道选择和客户端关联，我们开发了一个吉布斯采样器为基础的方法，局部适应，以实现全球目标，以及从中获得快速贪心算法，实现良好的解决方案。
2011-02-13 cs.NI
Distributed Resource Allocation for Network Slicing of Bandwidth and Computational Resource
网络切片一直被认为是5G支持多样化服务和应用场景的关键使能因素之一。研究了利用通信网络提供的频谱资源和雾计算网络的计算资源进行分布式网络切片的问题。我们提出了一种新的分布式框架的基础上，一个新的控制平面实体，区域协调器（RO），它可以部署在基站（BS）和雾节点之间，以协调和控制它们的带宽和计算资源。提出了一种基于部分变量分裂乘子交替方向法的分布式资源分配算法。我们证明，该算法可以最大限度地减少整个网络的平均延迟，并在同一时间保证令人满意的延迟性能为每一个支持的服务类型。仿真结果表明，该算法的收敛速度比现有的一些算法快得多。与仅具有单个资源的网络切片相比，具有带宽和计算资源的联合网络切片可以提供约15%的总体延迟减少。
2020-02-04 cs.NI
DRL-based Distributed Resource Allocation for Edge Computing in Cell-Free Massive MIMO Network
在本文中，为了解决严格的计算和服务质量（QoS）的要求，最近推出的先进的多媒体服务，我们考虑了一个无小区的大规模MIMO移动边缘网络。特别是，受益于可靠的无细胞链路，将密集的计算卸载到边缘服务器，资源受限的最终用户可以通过边缘计算来增强板载（本地）处理。为此，我们制定了一个联合通信和计算资源分配（JCCRA）的问题，以尽量减少用户的总能耗，同时满足各自的用户特定的期限。为了解决这个问题，我们提出了一个完全分布式的解决方案的基础上合作的多智能体强化学习框架，其中每个用户被实现为一个学习代理，使联合资源分配只依赖于本地信息。仿真结果表明，所提出的分布式方法的性能优于启发式基线，收敛到一个集中的目标基准，而不诉诸于大的开销。此外，我们还表明，与蜂窝MEC系统相比，所提出的算法在无蜂窝系统中的性能明显更好，例如，基于小小区的MEC系统。
2022-08-23 cs.NI
Distributed Resource Allocation and Application Deployment in Mesh Edge Networks
CIRRELT；GERAD；Polytechnique Montréal（蒙特利尔理工学院）；Humanitas Solutions
本文提出了一种适用于移动边缘网络的虚拟网络嵌入方法，通过三种优化策略解决快速拓扑变化和资源限制问题，实验表明在移动环境中性能优于传统方法。
2025-12-12 cs.NI
Distributed no-regret edge resource allocation with limited communication
针对5G边缘网络中资源分配的在线优化问题，本文提出一种通信受限下的分布式原始-对偶算法，证明其遗憾和违规均为次线性，并在Milano数据集上验证了效果。
2023-04-11 cs.NI
Power Allocation and Scheduling for Two-Cell Distributed Interference Subtraction System
本文研究了两小区分布式干扰抵消系统中的功率分配和调度问题。通过在一个接收端消除干扰和分析目标函数的单调性，我们的关键结果是解耦的功率分配和调度的最优性损失。仿真结果表明，我们提出的算法的开环功率分配与非合作的比例公平调度的显着收益。
2017-04-21 cs.IT cs.NI math.IT
GMA: A Pareto Optimal Distributed Resource-Allocation Algorithm
为了解决日益增长的需求，强大的数据包传输保证网络，我们研究了一种新的方法来执行图资源分配。我们首先介绍分配图，其中节点可以独立地设置本地资源限制的基础上的物理约束或政策决定。在这种情况下，我们正式的分布式路径分配（PADIST）问题，其中包括在分配资源的路径只考虑本地的路径上的信息-重要的是，不知道其他路径可以有一个分配-而在同一时间实现的全局属性，永远不会超过可用资源。我们的核心贡献，全球近视分配（GMA）算法，是解决这个问题。我们证明了GMA可以计算图上的所有路径的无条件分配，而永远不会过度分配资源。此外，我们证明了GMA是帕累托最优的分配大小，它有线性复杂度的输入大小。最后，我们通过模拟表明，这一理论结果确实可以应用于实际场景，因为由此产生的路径分配足够大，以满足实际相关应用的要求。
2021-03-15 cs.CR cs.NI
Distributed Resource Allocation in D2D-Enabled Multi-tier Cellular Networks: An Auction Approach
未来的无线网络预计将是高度异构的，宏小区和小小区共存，并提供对设备到设备（D2D）通信的支持。在这种多层异构系统中，集中式无线电资源分配和干扰管理方案将是不可扩展的。在这项工作中，我们提出了一个基于拍卖的分布式解决方案，在多层异构网络中分配无线资源。我们提供了可实现的数据率的界限，并表明该计划的复杂度是线性的发射机节点的数量和可用的资源。信令问题（例如，控制信道上的信息交换）。数值结果表明，与集中式资源分配方案相比，所提出的解决方案的有效性。
2015-01-20 cs.GT cs.NI
Distributed Resource Allocation for D2D Multicast in Underlay Cellular Networks
针对底层蜂窝网络中 D2D 多播受同信道干扰且大规模集中优化困难的问题，提出一种低开销、高可扩展性的分布式资源分配方案，并通过仿真验证其吞吐量增益。
2023-09-25 cs.IT cs.NI math.IT
Distributed Rate Allocation Policies for Multi-Homed Video Streaming over Heterogeneous Access Networks
我们考虑多个同时视频流共享多个异构接入网络之间的速率分配问题。我们开发和评估的分析框架，最佳速率分配的基础上观察到的可用比特率（ABR）和往返时间（RTT）在每个接入网络和视频失真率（DR）的特点。速率分配是一个凸优化问题，最大限度地减少所有视频流的总期望失真。我们提出了一个分布式近似的解决方案，并比较其性能对H-无穷最优控制和两个启发式计划的基础上TCP风格的加法-增加-乘法减少（AIMD）的原则。在多个高清（HD）视频流共享多个接入网络的模拟中评估的各种速率分配方案。我们的研究结果表明，在启发式AIMD为基础的计划相比，无论是媒体感知分配和H-无穷最优控制受益于积极的拥塞避免和减少平均丢包率从45%到2%以下。对于各种背景流量负载和视频播放截止日期，平均接收视频质量的改善范围在PSNR的1.5到10.7 dB之间。媒体感知分配进一步利用其对视频DR特性的了解，以在所有流之间实现更平衡的视频质量。
2010-01-07 cs.MM cs.NI
Distributed Interference-Aware Energy-Efficient Resource Allocation for Device-to-Device Communications Underlaying Cellular Networks
由于频谱重用和用户设备（UE）的有限电池寿命所导致的同信道干扰，设备到设备（D2D）到蜂窝网络中的引入在资源分配设计中提出了许多新的挑战。在本文中，我们提出了一个分布式的干扰感知的能量有效的资源分配算法，以最大限度地提高每个UE的能量效率（EE）受到其特定的服务质量（QoS）和最大传输功率的限制。我们将资源分配问题建模为一个非合作博弈，其中每个参与者都是自私的，希望最大化自己的EE。公式化的EE最大化问题是一个非凸问题，并利用非线性分数规划的性质将其转化为凸优化问题。提出了一种迭代优化算法，并通过计算机模拟进行了验证。
2014-07-22 cs.IT cs.NI math.IT
Distributed and Optimal Reduced Primal-Dual Algorithm for Uplink OFDM Resource Allocation
正交频分复用（OFDM）是许多新兴的宽带无线接入标准的关键组成部分。然而，OFDM上行链路中的资源分配由于用户的服务质量要求、信道条件和个体资源约束的异质性而具有挑战性。我们制定的资源分配问题作为一个非严格凸优化问题，通常有多个全局最优解。然后，我们提出了一个简化的原始-对偶算法，这是分布式的，低计算复杂性，并可能全局收敛到一个全局最优解。通过一个实际的OFDM仿真器研究了该算法的性能。与以前提出的集中式优化算法相比，我们的算法不仅显着减少了消息开销，而且需要更少的迭代收敛。
2010-12-22 cs.CC cs.DC cs.NI
Optimal Distributed Bandwidth Allocation in NB-IoT Networks
在本文中，我们研究了5G背景下窄带物联网（NB-IoT）与移动边缘计算（MEC）的关键问题。我们解决了物联网设备在特定应用和服务中要求数据传输带宽时可能具有不同优先级的挑战。由于启用MEC的物联网网络中带宽的稀缺性，我们的目标是优化一组NB-IoT设备的带宽分配，使该组设备可以协同工作，以最大限度地提高其整体效用。为此，我们设计了一种最佳分布式算法，并使用模拟来证明其在完全分布式框架中有效管理各种物联网数据流的功效。
2021-03-05 cs.NI cs.SY eess.SY
Resource Allocation in Quantum Networks for Distributed Quantum Computing
近年来，量子计算技术的发展一直在稳步推进，目前的趋势表明，它将在不久的将来大规模用于商业目的。加速可以通过汇集计算基础设施来提高，以并行化算法执行或解决单个量子计算机上不可行的更大实例，这需要底层量子互联网：量子计算机通过量子链路和中继器互连以交换纠缠的量子比特。然而，到目前为止，量子互联网的研究一直集中在提供点对点流，这是适合（例如）量子传感和计量学，但不用于分布式量子计算。在本文中，在量子计算和网络的基础知识之后，我们从量子网络供应的角度研究了分布式节点上智能计算的需求和目标。然后，我们设计了一个资源分配策略，通过一个全面的模拟活动，其结果突出的关键功能和性能问题进行评估，并导致在这个方向上进一步调查的方式。
2022-05-10 cs.NI quant-ph
Optimal Resource Allocation in Distributed Broadband Wireless Communication Systems
Concordia University（康考迪亚大学）
研究了分布式宽带无线通信系统的优化问题。BWC系统包含一个分布式天线系统（DAS），该系统通过光纤连接到基站。分布式BWC系统已经被提出作为传统蜂窝网络中功率约束问题的解决方案。到目前为止，对BWC系统的研究已经在两个独立的轨道上取得了进展，即满足服务质量要求（QoS）的系统设计和DAS位置的优化。在本文中，我们考虑了BWC系统的组合优化。我们认为在分布式BWC系统的上行链路通信与多个优先级的交通与到达和离开形成更新过程。我们开发了一个分析，确定每个优先级的数据包延迟违规概率作为DAS的中断概率的函数，通过应用从更新理论的结果。然后，我们确定的最佳位置的天线，使天线中断概率最小化。我们还研究了分组延迟违规概率和分组丢失概率之间的权衡。本文的工作对分布式BWC系统的设计具有一定的指导意义。
2017-10-24 cs.CV cs.NI
Distributed Rate Allocation in Inter-Session Network Coding
在这项工作中，我们提出了一个分布式的速率分配算法，最大限度地减少平均解码延迟的多媒体客户端在会话间网络编码系统。我们考虑的情况下，用户被组织在一个网状网络，每个用户请求的内容的一个可用的源。我们提出了一种新的分布式算法，其中网络用户确定的编码操作和分组速率被要求从父结点，使解码延迟最小化的所有客户端。速率分配问题由每个用户解决，每个用户寻求使其子女和其自身的平均解码延迟最小化的速率。由于优化问题是一个先验的非凸的，我们引入了等价的数据包流的概念，它允许估计每个用户需要收集解码的数据包的预期数量。然后，我们将原来的速率分配问题分解成一组凸子问题，这些凸子问题最终结合起来，得到一个有效的近似解的延迟最小化问题。结果表明，该方案消除了瓶颈，并减少了解码延迟所经历的有限的带宽资源的用户。我们使用NS-3网络模拟器验证了我们的分布式速率分配算法在不同的视频流场景中的性能。我们表明，我们的系统是能够利用会话间网络编码的同时交付的视频会话在网络中的路径多样性。
2013-09-20 cs.IT cs.NI math.IT
Distributed Resource Allocation in 5G Cellular Networks
5G蜂窝无线系统将具有由宏小区、不同类型的授权小小区和D2 D网络组成的多层架构，以频谱高效的方式为具有不同服务质量（QoS）要求的用户提供服务。分布式资源分配和干扰管理是这种多层异构网络的基本研究挑战之一。在本章中，我们考虑基于多层正交频分多址（OFDMA）的蜂窝（例如，5G LTE-A）网络。特别是，我们提出了三种新的方法，分布式资源分配在这样的网络利用稳定的匹配，基于因子图的消息传递，和分布式拍卖的概念。我们说明了每一个关于一个实际的无线电资源分配问题的建模方案。特别地，我们考虑由宏基站（MBS）、一组小小区基站（SBS）和对应的小小区用户设备（SUE）以及D2 D用户设备（DUE）组成的多层网络。存在公共的无线电资源集合（例如，资源块[RB]）可用于网络层（例如，MBS、SBS和DUE）。SUE和DUE使用可用资源（例如，RB和功率电平），只要对宏层造成的干扰（例如，宏用户设备[MUE]）保持低于给定阈值。其次是建模工具的简要理论概述（例如，稳定匹配、消息传递和拍卖算法），我们提出了上述网络设置中资源分配问题的分布式解决方案。我们还提供了一个简短的定性比较方面的各种性能指标，如复杂性，收敛性，算法开销等。
2014-09-08 cs.IT cs.NI math.IT
Distributed Rate Allocation for Wireless Networks
本文提出了一种分布式算法的速率分配在无线网络中，实现相同的吞吐量区域的最佳集中式算法。这种跨层算法联合执行介质访问控制（MAC）和物理层速率自适应。本文建立了该算法是吞吐量最优的一般速率区域。与开-关调度相比，速率分配通过调度多个速率级别来实现物理层方案的最佳利用。该算法是基于局部长度信息的，具有重要的实用价值。该算法要求每个链路都能确定提高其当前数据速率的全局可行性。在许多类型的网络中，任何一个链路的数据速率主要影响其邻居，并且这种影响随着距离而衰减。因此，当地交易所可以提供确定可行性所需的信息。沿着这些路线，本文讨论了现有的物理层控制消息的潜在用途，以确定可行性。这可以被认为是类似于CSMA（载波侦听多路访问）网络中的载波侦听的技术。该算法的一个重要应用是白空间网络的多频带多无线电吞吐量最优分布式调度。
2010-04-06 cs.IT cs.NI math.IT
Deep Reinforcement Learning for Distributed Uncoordinated Cognitive Radios Resource Allocation
Rochester Institute of Technology（罗切斯特理工学院）
本文提出了一种新的深度强化学习为基础的资源分配技术的多智能体环境中提出的认知无线电网络，通过动态频谱接入（DSA）与主网络共存。在这项工作中提出的资源分配技术是分布式的，不需要与其他代理的协调。所提出的算法是第一个深度强化学习技术，其收敛到平衡的政策，可以显示在非平稳的多智能体环境中，通过共享的无线环境的无线电之间的不协调的动态交互的结果。此外，仿真结果表明，在有限的学习时间内，所提出的技术是能够找到的政策，产生的性能在3%的穷举搜索解决方案，找到最佳的政策，在近70%的情况下。此外，它表明，标准的单智能体深度强化学习可能无法实现收敛时，在非协调，耦合多无线电的情况下使用。
2020-03-06 cs.LG cs.NI stat.ML
Distributed Resource Allocation with Multi-Agent Deep Reinforcement Learning for 5G-V2V Communication
Technical University of Munich（慕尼黑工业大学）；Nomor Research（诺莫尔研究公司）
研究了无基站情况下车辆间通信中的分布式资源选择问题。每个车辆自主地从共享资源池中选择传输资源以传播协作感知消息（CAM）。这是一个共识问题，每个车辆必须选择一个唯一的资源。当-由于机动性-彼此邻近的车辆数量动态变化时，问题变得更具挑战性。在拥挤的情况下，为每辆车分配唯一的资源变得不可行，并且必须开发拥挤的资源分配策略。5G中的标准化方法，即半持久调度（SPS），受到车辆空间分布引起的影响。在我们的方法中，我们将其转化为优势。我们提出了一种新的分布式资源分配机制，使用多智能体强化学习（DIRAL），建立在一个独特的状态表示。一个具有挑战性的问题是，以应付非平稳性引入的并发学习代理，导致收敛问题的多智能体学习系统。我们的目标是用唯一的状态表示来解决非平稳性。具体来说，我们部署基于视图的位置分布作为状态表示，以解决非平稳性，并以分布式方式执行复杂的联合行为。我们的研究结果表明，DIRAL提高PRR的20%相比，SPS在具有挑战性的拥塞情况。
2020-10-11 cs.GT cs.LG cs.MA
Partially-Distributed Resource Allocation in Small-Cell Networks
针对正交频分多址（OFDMA）环境下大规模小小区网络的下行链路，提出了一种四阶段分层资源分配方案。由于干扰限制了此类网络的能力，因此资源分配和干扰管理至关重要。然而，获得全局最优的资源分配是指数复杂的并且在数学上是棘手的。在这里，我们开发了一个部分分散的算法，以获得有效的解决方案。本文的工作主要有三个优点：1）相对于固定的资源分配，我们在分配频谱时考虑了每个接入点（AP）的负载需求; 2）为了防止AP过载，我们的方案是动态的，在这个意义上，当用户从一个AP移动到另一个AP时，如果必要的话，分配的资源也是动态的，并且这样的考虑通常导致巨大的计算复杂性，这给我们带来了第三个优点：3）我们通过引入包括四个阶段的分层方案来解决复杂性：用户关联、负载估计、经由图着色的干扰管理、以及调度。我们为前三步提供数学分析，将用户和AP位置建模为泊松点过程。最后，我们提供了数值模拟的结果来说明我们的计划的有效性。
2014-08-16 cs.IT cs.NI math.IT
An Auction Approach to Distributed Power Allocation for Multiuser Cooperative Networks
本文研究了一种多用户协作的无线网络，以提高网络的整体性能。我们的目标是设计一个最优的分布式功率分配算法，使用户合作，特别是，指导每个用户的传输模式选择和中继选择的决定。我们的算法很好地解释了一个拍卖机制与多个拍卖人和多个投标人。具体来说，在我们提出的框架中，每个用户都充当拍卖人（卖方）和投标人（买方）。每个拍卖人确定自己的交易价格，并将权力分配给投标人，每个投标人选择来自每个拍卖人的需求。通过遵循所提出的分布式算法，每个用户确定为自己的传输保留多少功率，从其他用户购买多少功率，以及为中继其他用户的信号贡献多少功率。我们推导出最优的投标和定价策略，最大限度地提高加权和率的用户。进行了大量的模拟，以验证我们提出的方法。
2012-10-17 cs.GT cs.IT cs.NI
Optimal Radio Resource Allocation for Hybrid Traffic in Cellular Networks: Centralized and Distributed Architecture
Virginia Tech（弗吉尼亚理工大学）
本文研究了混合交通 cellular 网络中无线电资源分配问题，提出集中式和分布式优化方法，通过效用比例公平性保证服务质量，设计高效算法并验证性能。
2014-11-12 cs.NI cs.SY eess.SY
Distributed Resource Allocation for URLLC in IIoT Scenarios: A Multi-Armed Bandit Approach
University of Padova（帕多瓦大学）；University of Bologna（博洛尼亚大学）；Huawei Technologies（华为技术有限公司）
本文讨论了在未来的6 G工业物联网（IIoT）网络中实现机器间超可靠低延迟通信（URLLC）的问题。就无线电接入网络（RAN）而言，集中式预配置的资源分配要求在上行链路传输之前将调度许可传播到用户设备（UE），这对于URLLC是低效的，特别是在灵活/不可预测的业务的情况下。为了减轻这一负担，我们研究了一种分布式的，以用户为中心的计划的基础上机器学习，其中UE自主选择他们的上行链路无线电资源，而不需要等待调度授权或预配置的连接。通过模拟，我们证明了多臂强盗（MAB）方法是在IIoT环境中考虑URLLC分配资源的理想解决方案，无论是在周期性还是非周期性流量的情况下，即使考虑到高度密集的网络和激进的流量。
2022-11-22 cs.LG cs.NI eess.SP
Distributed Energy Efficient Channel Allocation
为现代无线系统设计能量有效的协议已经成为一个重要的研究领域。在本文中，我们提出了一个分布式优化算法的信道分配问题的多个干扰收发器对，不能相互通信。我们首先修改的拍卖算法的最大能源效率，并表明，这个问题可以解决没有明确的消息传递使用载波侦听多路访问（CSMA）协议。然后，我们开发了一种新的方案，通过转换成完美匹配的二部图的信道分配问题。该方案提高了能量效率，并且不需要任何显式的消息传递或用户之间的共享内存。我们推导出的收敛速度的界限，并表明，该算法比分布式拍卖算法收敛速度更快，并在瑞利衰落信道下达到接近最优的性能。我们还提出了一个渐进的性能分析的快速匹配算法的能量有效的资源分配，并证明了足够大的用户数和信道数的最优性。最后，我们提供了数值评估，证实了与最先进技术相比的能源效率增益。
2018-02-15 cs.IT cs.NI math.IT
