Near Real-Time Data-Driven Control of Virtual Reality Traffic in Open Radio Access Network
本文提出了一种基于数据驱动的近实时控制方法，用于在开放无线电接入网络中优化虚拟现实交通的延迟和资源分配。
2024-01-03 cs.NI
Machine Learning-based xApp for Dynamic Resource Allocation in O-RAN Networks
本文提出一种基于机器学习的O-RAN网络xApp，利用随机森林分类器根据流量需求和QoS动态选择最佳PRB分配策略，以优化资源分配并满足服务等级规范，实验表明策略选择准确率达85%。
2024-01-15 cs.NI eess.SP
Optimization of Spectrum Allocation and Subsidization in Mobile Communication Services
移动通信业务的爆炸性增长会导致频谱资源短缺和用户间数据使用的极化，最终降低移动通信服务中的用户福利。世界各国政府都在计划为移动宽带提供更多的频谱，关键的政策问题是找到一种有效的频谱分配方法，以改善用户福利。在本文中，我们提出了一个数据补贴计划，其中监管机构提供频谱价格折扣的移动网络运营商（MNO），以换取强加的责任，提供预定义的数据量免费给用户。为了分析补贴效应，我们采用了古诺和伯特兰竞争的两阶段方法，并找到了竞争的纳什均衡。一个有趣的观察是，用户福利的增加并不涉及移动运营商的利润损失，而且增加的金额高于监管机构实施数据补贴计划的费用。本文主要是针对双寡头竞争的情形，最后将其推广到一般情形。
2014-08-03 cs.GT cs.NI
Dynamic Radio Resource Management for Random Network Coding: Power Control and CSMA Backoff Control
无线网络中的资源分配通常发生在PHY/MAC层，而随机网络编码（RNC）是网络层策略。一个有趣的问题是如何调整资源分配机制以提高RNC性能。通过一个微分方程的框架模型RNC吞吐量的低层参数，我们提出了一种基于梯度的方法，可以动态分配MAC和PHY层资源的目标是最大限度地提高最小网络编码吞吐量之间的所有目的地节点在RNC组播。我们将这种一般方法与两个资源分配问题：（i）功率控制，以提高网络编码吞吐量，和（ii）CSMA平均退避延迟控制，以提高网络编码吞吐量。针对功率控制和CSMA退避控制，设计了集中式算法和在线算法。我们的评估，包括数值求解微分方程的集中式算法和事件驱动的模拟的在线算法，表明这种基于梯度的动态资源分配产生显着的吞吐量改善RNC中的目的节点。此外，我们的数值结果表明，网络编码感知功率控制可以重新获得无线传输的广播优势，以提高吞吐量。
2013-03-26 cs.NI
An Overview of Machine Learning-Driven Resource Allocation in IoT Networks
本文综述了机器学习、深度学习和强化学习在低功耗与移动物联网网络资源分配中的应用，分析了其优化网络性能和能效的机遇与挑战，并展望了未来研究方向。
2024-12-27 cs.NI eess.SP
Joint Task Offloading and Resource Optimization in NOMA-based Vehicular Edge Computing: A Game-Theoretic DRL Approach
车辆边缘计算（VEC）成为新兴智能交通系统发展的一个有前途的范例。然而，有限的资源和大量的传输需求给实现具有严格期限要求的车辆应用带来了巨大的挑战。提出了一种基于非正交多址接入（NOMA）的VEC体系结构，异构边缘节点协作进行实时任务处理。本文建立了车辆到基础设施（V2I）传输模型，同时考虑了边缘内和边缘间干扰，并以服务率最大化为目标，通过联合优化任务卸载和资源分配，建立了协作资源优化（CRO）问题。进一步地，我们将CRO分解成两个子问题，即任务卸载和资源分配。特别地，任务卸载子问题被建模为一个精确势博弈（EPG），并提出了一个多智能体分布式深度确定性策略梯度（MAD4PG），以实现纳什均衡。将资源分配子问题分解为两个独立的凸优化问题，利用基于梯度的迭代法和KKT条件，得到了最优解.最后，基于真实车辆轨迹建立仿真模型，并进行全面的性能评估，验证了所提方案的优越性。
2022-10-24 cs.NI
A Heuristic EDF Uplink Scheduler for Real Time Application in WiMAX Communication
WiMAX（Worldwide Interoperability for Microwave Access，全球微波接入互操作性）是一种正在发展的无线通信方案，能够提供大范围覆盖的宽带接入。WiMAX属于IEEE-802.16标准族。为了满足用户需求并支持一组新的实时的业务和应用，必须有一个现实的和动态的资源分配算法。最有效的算法之一是EDF（最早期限优先）。但问题是，当最后期限之间的差异足够大时，低优先级队列必须挨饿。因此，本文提出了一种启发式的最早截止时间优先（H-EDF）方法的WiMAX实时的系统的上行链路调度。该H-EDF提出了用于上行链路的带宽的有效分配的方式，使得带宽利用是适当的并且向系统提供适当的公平性。我们使用Opnet仿真器来实现WiMAX网络，该网络使用这种H-EDF调度算法。我们将分析性能的H-EDF算法的吞吐量以及延迟的参与考虑。
2015-01-24 cs.NI
Elastic Multi-resource Network Slicing: Can Protection Lead to Improved Performance?
为了满足未来数据密集型移动应用的性能/隐私要求，自动驾驶汽车、移动数据分析和AR/VR等服务提供商预计将利用网络“边缘”的共享存储/计算/连接资源。为了具有成本效益，这种基础设施的关键功能要求是能够在租户/服务提供商之间共享异构资源，以支持空间变化和动态的用户需求。本文提出了一种资源分配标准，即共享约束切片（SCS），用于分配预定义份额的网络资源的切片，它扩展了传统的α公平性标准，通过在切片间和切片内的公平性与整体效率之间取得平衡。我们表明，SCS有几个理想的属性，包括切片级保护，envyfreeness，和负载驱动的弹性。在实践中，移动用户的动态可能会使成本的实现SCS高，所以我们讨论了使用一个更简单的（动态）加权最大-最小作为代理资源分配计划的可行性。对于随机负载和弹性用户需求的设置，我们建立了一个充分条件，为相关的耦合网络系统的稳定性。最后，可能令人惊讶的是，我们通过大量的模拟表明，虽然SCS（和/或代理加权最大-最小分配）提供了片间保护，但与片内权重分配不受份额约束的其他基于加权最大-最小的分配方案相比，它们可以实现改进的作业延迟和/或感知吞吐量，例如，传统的最大-最小或区别处理器共享。
2019-01-22 cs.DC cs.NI
Hybrid Centralized-Distributed Resource Allocation for Device-to-Device Communication Underlaying Cellular Networks
设备到设备（D2 D）通信的基本思想是，如果D2 D通信对蜂窝用户的不利影响被最小化并且蜂窝用户在使用有限的无线资源时被给予更高的优先级，则适当选择的无线设备对重用蜂窝频谱以建立直接通信链路。尽管其在覆盖和容量性能方面具有巨大潜力，但实施这一新概念带来了一些挑战，特别是在无线电资源管理方面。主要的挑战来自于对在缺乏精确的信道和网络知识的情况下操作的分布式D2 D解决方案的强烈需求。为了应对这一挑战，本文研究了具有多个D2 D用户的单小区无线网络中的资源分配问题，所述多个D2 D用户与蜂窝用户共享可用的无线电频率信道。我们考虑一个现实的情况下，基站（BS）提供了严格有限的信道知识，而D2 D和蜂窝用户没有信息。我们证明了在下行链路中具有固定BS功率的蜂窝聚合效用的下限，其允许解耦信道分配和D2 D功率控制问题。提出了一种有效的图论方法来执行信道分配，它提供了灵活性的分配标准（聚合效用最大化，公平性，服务质量保证）。我们将功率控制问题建模为多智能体学习游戏。我们表明，游戏是一个确切的潜在的游戏与嘈杂的奖励，定义在一个离散的策略集，并描述了纳什均衡集。然后使用Q学习更好地响应动态来实现均衡。
2015-02-16 cs.GT cs.IT cs.NI
Optimal Virtual Network Function Placement and Resource Allocation in Multi-Cloud Service Function Chaining Architecture
服务功能链（SFC）是在地理上分布的数据中心上部署各种网络服务实例并提供它们之间的互连的问题。目标是使网络流量能够在底层网络中顺畅流动，从而为最终用户提供最佳体验质量。网络功能的正确链接导致分布式资源的最佳利用。这已经成为电信行业的一种事实模型，网络功能部署在底层硬件上。尽管该模型到目前为止已经很好地服务于电信行业，但是由于直接在物理资源上部署服务，因此它主要适于适应网络服务和服务需求的静态行为。这导致网络僵化，对最终用户的延迟更大，特别是在以数据为中心的模型中，计算资源正在向最终用户移动。一种新颖的联网范例，即网络功能虚拟化（NFV），通过在被称为虚拟网络功能（VNF）的软件层中实现网络功能来动态地满足用户需求并降低运营费用（OpEx）和资本支出（CapEx）。然后，VNF互连以形成完整的端到端服务，也称为服务功能链（SFC）。在这项工作中，我们研究的问题，部署服务功能链的网络功能虚拟化架构。具体来说，我们研究虚拟网络功能布局问题的最佳SFC形成在地理上分布的云。我们将多云场景中最小化云间流量和响应时间的问题设置为ILP优化问题，以及总部署成本和服务水平协议（SLA）等重要约束。在我们的模型中，我们考虑了链路延迟和计算延迟。
2019-02-10 cs.NI
Downlink Resource Allocation in Multiuser Cell-free MIMO Networks with User-centric Clustering
在本文中，我们优化的用户调度，功率分配和波束形成的分布式多输入多输出（MIMO）网络实现以用户为中心的聚类。我们研究了相干和非相干传输模式，制定了加权和速率最大化问题，这些问题的最佳解决方案是已知的NP-难。我们使用分数规划，块坐标下降和压缩感知的工具来构建一个算法，该算法优化了波束成形权重和用户调度，并收敛于一个平滑的非递减模式。信道状态信息（CSI）的优化是至关重要的，我们强调采用低开销的导频分配策略的调度问题的重要性。在这方面，我们使用的层次凝聚聚类的变体，它提供了一个次优的，但可行的，导频分配方案;对于我们的无小区的情况下，我们制定了一个基于区域的导频重用因子。我们的研究结果表明，我们的计划提供了很大的收益，在长期的网络和频谱效率相比，基准计划，如迫零和共轭波束成形（循环调度）分别。此外，结果表明，相干传输的优越性相比，非相干模式下的理想和不完美的CSI为基于区域的导频复用因素，我们考虑。
2021-08-13 cs.IT cs.NI cs.PF
Learning-Based Resource Allocation Scheme for TDD-Based CRAN System
KTH Royal Institute of Technology（瑞典皇家理工学院）；Information Technology University (ITU)（信息技术大学）；Huawei Technologies（华为技术有限公司）
智能无线设备使用的爆炸式增长要求提供更高的数据率和始终在线的连接，这是设计第五代（5G）系统的主要动力。为了实现更高的系统效率，紧密协调的大规模天线部署是设计5G系统的一种潜在策略，但有两种类型的相关系统开销。首先是同步开销，这可以通过实现基于云无线电接入网络（CRAN）的架构设计来减少，该架构设计将基带处理和无线电接入功能分离以实现更好的系统同步。其次是获取系统中存在的用户的信道状态信息（CSI）的开销，然而，当瞬时CSI用于服务高移动性用户时，该开销极大地增加。为了服务于大量用户，考虑具有远程无线电头端（RRH）的密集部署的CRAN系统，使得每个用户具有与对应RRH的视线（LOS）链路。由于高移动性用户的移动轨迹是可预测的;因此，可以获得这些用户的相当准确的位置估计，并且可以将其用于资源分配以服务于所考虑的用户。资源分配取决于各种相关的系统参数，并且可以使用公知的\emph{machine learning}算法来学习这些相关性。本文提出了一种用于具有密集RRH部署的基于时分双工（TDD）的5G CRAN系统的新型\emph{learning-based resource allocation scheme}，其通过仅使用用户的位置估计来进行资源分配，从而避免了对CSI获取的需要。这显著降低了整体系统开销，同时仍然实现了接近最佳的系统性能;因此，实现了更好的（有效的）系统效率。…
2016-08-29 cs.IT cs.LG cs.NI
Learning in Proportional Allocation Auctions Games
LIA, Avignon university（阿维尼翁大学）；INRIA, Sophia Antipolis（法国国家信息与自动化研究所）
本文研究了重复的凯利博弈，探讨了在无线网络切片中基于公平性与吞吐量权衡得到的对数型效用函数，并证明了在三种行为模型下重复游戏收敛到纳什均衡。
2026-03-26 cs.GT cs.MA cs.NI
Optimal Resource Allocation between Two Nonfully Cooperative Wireless Networks under Malicious Attacks: A Gestalt Game Perspective
本文研究恶意加边攻击下蜂窝网络的最优分布式资源分配，提出博弈之博弈模型并结合几何规划与启发式算法求解，证明了格式塔Nash均衡的存在性，仿真验证了方法的鲁棒性。
2023-03-22 cs.GT cs.NI cs.SY
DRL Optimization Trajectory Generation via Wireless Network Intent-Guided Diffusion Models for Optimizing Resource Allocation
Southwest Jiaotong University（西南交通大学）；Nanyang Technological University（南洋理工大学）
本文提出基于无线网络意图引导扩散模型的DRL优化轨迹生成方法，通过实时生成与微调优化轨迹，减少状态信息暴露并适应差异化QoS需求，在动态通信系统中实现比传统DRL更稳定的频谱效率和更优性能。
2024-10-18 cs.AI cs.NI
