比例调度算法是近年来提出的一种多跳交换网络的调度算法。对于这些网络,BackPressure调度器是经典的基准。对于具有固定路由的网络,比例缩放是最稳定的,近视的,并且还将减轻大型网络的BackPressure中发现的某些缩放。尽管如此,均衡和延迟性能的比例振荡器还没有得到充分的表征。在这篇文章中,我们假设的均衡行为的比例,通过分析一个类似的规则称为存储转发分配。它已被证明,存储转发已根据比例分配渐近。此外,对于存储转发网络,许多平衡量是可以明确计算的。对于存储转发策略下的FIFO网络,我们计算了策略的平稳分布和端到端的路由延迟。我们讨论的网络拓扑结构时,平稳分布是产品的形式,我们称之为\emph{product form resource pooling}的现象。我们扩展这个产品形式的概念,独立集调度完美的图,在那里我们表明,非相邻队列是统计独立的。最后,我们分析了存储转发网络的平衡分布的大偏差行为,以构造FIFO开关网络的李雅普诺夫函数。
英文摘要:
The Proportional Scheduler was recently proposed as a scheduling algorithm for multi-hop switch networks. For these networks, the BackPressure scheduler is the classical benchmark. For networks with fixed routing, the Proportional Scheduler is maximum stable, myopic and, furthermore, will alleviate certain scaling issued found in BackPressure for large networks. Nonetheless, the equilibrium and delay properties of the Proportional Scheduler has not been fully characterized.
In this article, we postulate on the equilibrium behaviour of the Proportional Scheduler though the analysis of an analogous rule called the Store-Forward allocation. It has been shown that Store-Forward has asymptotically allocates according to the Proportional Scheduler. Further, for Store-Forward networks, numerous equilibrium quantities are explicitly calculable. For FIFO networks under Store-Forward, we calculate the policies stationary distribution and end-to-end route delay. We discuss network topologies when the stationary distribution is product-form, a phenomenon which we call \emph{product form resource pooling}. We extend this product form notion to independent set scheduling on perfect graphs, where we show that non-neighbouring queues are statistically independent. Finally, we analyse the large deviations behaviour of the equilibrium distribution of Store-Forward networks in order to construct Lyapunov functions for FIFO switch networks.
User profile based proportional share scheduling and mac protocol for manets
服务质量(Quality of Service,QoS)在移动自组网(Mobile Ad Hoc Networks,MANN)中的重要应用,使得QoS成为一个必须解决的问题。为属于不同配置文件并扮演不同角色的用户提供QoS成为时代的需要。本文提出了一种基于比例共享调度和MAC协议(PS2-MAC)模型。它基于用户的简档将用户分类为高简档用户(HP)、中等简档用户(MP)和低简档用户(LP),并分配比例权重。这三种业务类别的业务区分是通过定量出队算法、可变帧间间隔、成比例的优先级退避定时器和增强的RTS/CTS控制分组来实现的。在ns 2中对区分服务进行了仿真,结果表明,我们提出的方案比现有方案减少了9.5%的控制开销,结果也证明,区分服务已经实现了不同配置文件的用户比例份额,从而减少饥饿。
Macro with Pico Cells (HetNets) System Behavior Using Well-known scheduling Algorithms
本文通过介绍LTE Advance(LTE-A)来说明使用异构网络(HetNet)来改进长期演进(LTE)系统的概念。本研究选择的HetNet类型是Macro with Pico cell。使用三种公知的调度算法(比例公平PF、最大最大加权延迟优先MLWDF和指数/比例公平EXP/PF)清楚地示出了具有和不具有微微小区的系统性能的比较。通过吞吐量、丢包率PLR、时延和公平性等指标对系统性能进行评价,并利用LTE-Sim仿真平台进行数据采集,得出论文结果和图表。结果证明,增加微微小区提高了系统的整体性能。从仿真结果来看,整体系统性能如下:基于用户数量的吞吐量是两倍或三倍,PLR几乎是四分之一,延迟几乎减少了十倍(PF情况)并变为一半(MLWDF/EXP情况),公平性保持接近1的值。它被认为是增加吞吐量、覆盖范围和减少延迟的有效且具有成本效益的方式。
Joint Time Scheduling and Transaction Fee Selection in Blockchain-based RF-Powered Backscatter Cognitive Radio Network
在本文中,我们开发了一个新的框架,称为基于区块链的射频(RF)驱动的反向散射认知无线电网络。在该框架中,物联网设备作为次级发送器,通过使用RF供电的反向散射认知无线电技术将其感测数据发送到次级网关。然后,在网关处收集的数据被发送到区块链网络,以进行进一步的验证、存储和处理。因此,该框架使物联网系统能够同时优化频谱使用并最大限度地提高能源效率。此外,该框架确保从物联网设备收集的数据以分散但可信的方式进行验证,存储和处理。为了实现这一目标,我们在主通道的动态性、物联网设备的不确定性以及区块链环境的不可预测性下,为网关制定了一个随机优化问题。在该问题中,网关联合决定(i)时间调度,即,物联网设备之间的能量收集时间、反向散射时间和传输时间,(ii)区块链网络,以及(iii)交易费率,以最大化网络吞吐量,同时最小化成本。为了解决随机优化问题,我们建议使用,评估和评估深度强化学习(DRL)与Dueling Double Deep Q-Networks(D3 QN),以获得网关的最佳策略。仿真结果清楚地表明,所提出的解决方案在网络吞吐量和收敛速度方面优于传统的基线方法,如传统的Q-学习算法和非学习算法。此外,所提出的解决方案保证数据以合理的成本存储在区块链网络中。