A Game Theoretical Analysis of Localization Security in Wireless Sensor Networks with Adversaries
无线传感器网络（WSN）支持数据汇集和分布式数据处理，其传感设备非常小，易于篡改和克隆，因此传统的基于访问控制和强认证的安全解决方案难以部署。在本文中，我们看看节点定位的安全性评估的问题。特别地，我们分析了可验证多边化（VM）用于定位节点和恶意节点（即，对手）试图伪装成非恶意。我们诉诸非合作博弈论，我们模拟这种情况下，作为一个两个玩家的游戏。我们分析了最佳球员的策略，我们表明，虚拟机确实是一个适当的机制，以减少虚假的立场。
2010-08-24 cs.GT cs.NI
Energy-efficiency in Decentralized Wireless Networks: A Game-theoretic Approach inspired by Evolutionary Biology
能量效率在具有能量供应和信号处理能力有限的节点的无线通信网络中变得越来越重要。我们提出了一个基于简单的本地规则的合作通信场景的数值研究。这与文献中的大多数方法相反，这些方法通过使用复杂的算法来执行合作，并且需要网络节点的战略复杂性。进化生物学的最新结果表明，如果某种机制在起作用，合作可以受到自然选择的青睐。e.甚至各个节点的自私行为也可能导致网络中合作行为的出现。在无线通信网络的背景下，模拟的结果验证了这些意见，并表明，简单的本地规则，然后简单的适应度评估，可以产生网络行为，产生全球能源效率。
2014-05-14 cs.GT cs.NI
On a game theoretic approach to capacity maximization in wireless networks
我们考虑无线网络中的容量问题（或单时隙调度问题）。我们的目标是最大限度地提高任意无线网络中的成功连接的数量，其中只有当接收器处的信号与干扰加噪声比大于某个阈值时，传输才是成功的。我们研究了Andrews和Dinitz（INFOCOM 2009）和Dinitz（INFOCOM 2010）提出的容量最大化的博弈论方法。我们证明了大大改善的博弈论算法的界限。在此基础上，实现了在均匀功率分配下容量最大化的第一种分布常数因子近似算法。当比较的最佳链路可以使用任意的功率分配，我们证明了一个$O(\log Δ)$近似，其中$Δ$是最大和最小的网络中的链接之间的比率。与分布式算法的现有结果相比，这是近似因子的指数改进。我们的所有结果工作的链接位于任何度量空间。此外，我们提供了模拟研究澄清的图片分布式算法的容量最大化。
2010-11-20 cs.DS cs.GT cs.NI
A Game-Theoretic Learning Framework for Multi-Agent Intelligent Wireless Networks
在这篇文章中，我们介绍了一个游戏理论的学习框架的多智能体无线网络。通过将人工智能（AI）中的学习与博弈论相结合，出现了一些有前途的特性，例如在未知和动态环境中获得高回报，协调代理的行动以及在恶意用户存在的情况下做出对抗性决策。不幸的是，天下没有免费的午餐。首先，我们主要在三个层次上讨论了人工智能学习和博弈论之间的联系，即，模式识别、预测和决策。然后，讨论了智能无线网络中Agent能力受限、从环境中获取的信息不完全以及无线网络的分布性、动态可扩展性和异构性等特点对融合的挑战和要求。为了解决这些问题，我们提出了一个无线网络的博弈论学习框架，包括内部协调（资源优化）和外部对抗性决策（抗干扰）。基于该框架，我们介绍了几个有吸引力的博弈论学习方法结合我们提出的典型应用。更重要的是，我们开发了一个现实生活中的测试平台的多智能体抗干扰问题的基础上的博弈论学习框架。实验结果验证了所提出的博弈论学习方法的有效性。
2019-04-17 cs.GT
Auction-based Resource Allocation in MillimeterWave Wireless Access Networks
研究了60 GHz毫米波无线接入网中客户端对可用接入点的最优分配的资源分配问题。这个问题被看作是一个多任务优化问题。所提出的解决方案将初始问题转化为最小费用流问题，并允许设计一个有效的算法的组合拍卖算法。该解决方案算法利用了问题的网络优化结构，因此比计算密集型通用求解器更强大。理论和数值结果表明，许多属性，如最优性，收敛性和可扩展性相比，现有的方法。
2013-04-07 cs.GT cs.NI
Analysis of the Game-Theoretic Modeling of Backscatter Wireless Sensor Networks under Smart Interference
在本文中，我们研究了干扰避免的情况下，存在一个智能干扰器，可以快速观察发射功率的后向散射无线传感器网络（WSN），并有效地中断后向散射信号。我们考虑了一个功率控制与子信道分配，以避免干扰攻击和时间切换比后向散射无线传感器网络中的后向散射和RF能量收集。我们制定了基于Stackelberg博弈论的问题，并计算最佳的发射功率，时间切换比，和子信道分配参数，以最大限度地提高效用函数对智能干扰。我们提出了两个算法的效用最大化使用拉格朗日对偶分解的后向散射传感器网络和智能干扰，以证明存在的Stackelberg平衡。数值结果表明，与基于纳什博弈的算法相比，所提算法能有效地最大化效用，从而克服后向散射通信中的灵巧干扰。
2017-12-21 cs.GT cs.NI math.FA
Robotic Wireless Networks in a Narrow Alley: A Game Theoretic Approach
Yonsei University（延世大学）
在许多情况下，车辆可能会相互竞争，以最大限度地提高各自的效用。我们考虑一条狭窄的小巷，其中两组自动驾驶车辆（东行和西行）正朝着各自的目的地行驶，以最大限度地缩短行驶距离。但是，如果两组人同时接近道路，就会被封锁。本文的主要目标是研究如何无线通信车辆之间可以导致解决方案接近帕累托最优。此外，我们实现了这样一个车载试验台，由具有红外传感器，直流电机和无线通信模块：ZigBee（IEEE 802.15.4）的网络机器人组成。
2015-03-02 cs.GT cs.RO
A New Theoretical Evaluation Framework for Satisfaction Equilibria in Wireless Networks
在本文中，一个理论的评估框架，在无线通信网络中的\textit{Satisfaction Equilibrium (SE)}的介绍和检查。为了研究这些平衡操作点，我们提出了一些新的概念，即\textit{Valued Satisfaction Equilibrium}，\textit{Price of Efficiency}和\textit{Max Price of Satisfaction}，它们可以用来衡量所获得的平衡解的效率。在存在高斯干扰信道（GIC）的无线通信环境中分析和评估上述框架。在这种情况下，非合作的用户之间的游戏进行了研究，用户的目的是在一个自私的方式，以满足他们的服务质量（QoS）的先决条件。然而，而不是最大限度地提高QoS，这通常是能源成本高，我们传福音，更好的能源效率是通过只针对满意的QoS水平。的充分和必要条件，导致\textit{Satisfaction Equilibrium}提供了两个用户的情况下，并确定\textit{Efficient Satisfaction Equilibrium (ESE)}，其中用户满足他们的QoS约束的最低可能的成本。此外，具体的措施，用于评估各种满意度均衡的效率，在一个正式的和定量的方式，表示权衡相对于实现的效用或给定的目标函数和相应的成本，定义和分析。
2018-06-05 cs.GT cs.IT cs.NI
Game Theoretic Approaches to Massive Data Processing in Wireless Networks
无线通信网络正变得高度虚拟化，具有两层层次结构，其中具有要实现的任务的上层的控制器可以请求下层的大量代理来帮助实现计算、存储和传输功能。通过将数据处理卸载到代理，控制器可以完成否则禁止的大数据处理。为了满足控制者和代理人的相应目标，需要对代理人执行控制者的任务进行激励。在这篇文章中，提出了一个具有快速收敛性和可扩展性的分层游戏框架，以满足这种情况下的实时处理的需求。在这一新兴领域的未来可能的研究方向进行了讨论。
2017-11-06 cs.DC cs.GT
Large System Analysis of Game-Theoretic Power Control in UWB Wireless Networks with Rake Receivers
本文研究了脉冲无线电超宽带无线网络中采用能量有效的功率控制方案时部分Rake（PRake）接收机的性能。由于系统的大带宽，多径信道被假定为频率选择性的。通过使用非合作博弈论模型和大系统分析，明确的表达式推导出在网络参数来衡量在接收接入点的自和多址干扰的影响。性能的PRAKE相比，在实现的效用和损失的所有Rake接收机。
2007-04-16 cs.GT cs.IT math.IT
Task-load-Aware Game-Theoretic Framework for Wireless Federated Learning
联邦学习（Federated learning，FL）是一种保护用户数据隐私的学习框架，但它在激励用户参与任务训练方面存在困难。本文提出了一种基于Bertrand博弈的无线网络FL框架，模型服务器作为资源购买者可以发布FL任务，而用户设备（UE）作为资源销售者可以使用本地数据帮助训练模型。特别地，考虑了时变\textit{task load}和\textit{channel quality}对用户参与外语学习动机的影响。首先，我们采用有限状态离散时间马尔可夫链（FSDT-MC）方法来预测FL任务期间UE的\textit{existing task load}和\textit{channel gain}。根据模型服务器设置的性能度量和参与FL任务的估计总能量成本，每个UE寻求最佳价格以最大化其在游戏中的利润。为此，纳什均衡（NE）的游戏得到了封闭的形式，和分布式迭代算法也被开发来寻找NE。仿真结果验证了该方法的有效性。
2022-09-27 cs.GT
Game-Theoretic Power Control in Impulse Radio UWB Wireless Networks
本文分析了无线数据网在频率选择性多径环境下功率控制的博弈模型。研究了脉冲无线电超宽带系统的上行链路。研究了同步系统中自干扰和多址干扰对Rake接收机性能的影响。针对能量效率问题，提出了一种非合作博弈模型，在该模型中，网络中的用户可以选择自己的发射功率以最大化自己的效用，并推导了该博弈模型的纳什均衡.结果表明，由于频率选择性多径，非合作解决方案是在不同的信号干扰噪声比，分别实现的信道实现。一个大系统的分析，以获得明确的表达所实现的效用。帕累托最优（合作）的解决方案进行了讨论，并与非合作的方法。
2007-05-07 cs.GT cs.IT math.IT
Joint Rate Adaptation and Medium Access in Wireless LANs: a Non-cooperative Game Theoretic Perspective
基于IEEE 802.11标准的无线局域网（WLAN）如今正变得无处不在，并且通常支持多个数据率。在这种多速率WLAN中，分布式介质接入和速率自适应是实现高效无线电资源利用的两个关键要素，特别是在非协作环境中。在本文中，我们提出了一个分析研究的非合作的多速率无线局域网组成的自私用户联合调整他们的数据率和竞争窗口大小在介质接入层，以最大限度地提高自己的吞吐量，而不管他们的自私行为对整体系统性能的影响。具体来说，我们开发了一个适应的针锋相对（TFT）的战略，引导系统在非合作环境中的有效平衡。我们模型的自私用户之间的相互作用下，适应TFT框架作为一个非合作的联合媒体接入和速率自适应游戏。一个系统的分析进行的游戏的结构属性，以提供洞察速率自适应和802.11媒体访问控制之间的相互作用，在竞争激烈的设置。我们表明，游戏有多个均衡，其中，经过均衡细化过程，我们开发，减少到一个独特的有效均衡。我们进一步开发了一个分布式算法来实现这种平衡，并证明了平衡实现的性能非常接近系统的最佳社会的角度来看。
2012-07-18 cs.GT
Energy-Efficient Resource Allocation in Wireless Networks: An Overview of Game-Theoretic Approaches
概述了无线网络中的能量有效的资源分配的博弈论方法。以多址接入网络为研究对象，证明了博弈论可以作为研究具有服务质量（QoS）约束的无线网络中资源分配的有效工具。一个家庭的非合作（分布式）游戏中，每个用户寻求选择一个策略，最大限度地提高自己的效用，同时满足其QoS要求。这里考虑的效用函数测量每焦耳能量消耗传输的可靠比特数，因此特别适合于能量受限的网络。每个用户在尝试最大化其自身效用时可用的动作至少是选择发射功率，并且根据情况，用户还可以能够选择其传输速率、调制、分组大小、多用户接收器、多天线处理算法或载波分配策略。给出了每个博弈的最佳对策和纳什均衡。利用这个博弈论框架，功率控制，速率控制，调制，时间和空间信号处理，载波分配策略和延迟QoS约束的能量效率和网络容量的影响进行了量化。
2007-05-13 cs.GT cs.IT math.IT
Game-Theoretic Multi-Agent Reinforcement Learning for Swarm Trajectory Planning in Low-Altitude Wireless Networks
La Trobe University（拉 Trobe 大学）；Queen’s University Belfast（贝尔法斯特女王大学）；Xi’an Jiaotong University（西安交通大学）；University of New South Wales（新南威尔士大学）
针对低空无线网络中多无人机在多小区基站下因资源块分配导致的轨迹耦合问题，提出合作随机拥塞博弈模型和CTDE-MAPPO算法，实现通信与任务联合优化。
2026-06-16 cs.GT
Survey on Multi-Agent Q-Learning frameworks for resource management in wireless sensor network
University of British Columbia（不列颠哥伦比亚大学）
本报告旨在调查多智能体Q-学习算法，分析所使用的不同博弈论框架，解决每个框架的应用，并报告挑战和未来方向。本研究的目标应用是无线传感器网络中的资源管理。在第一部分中，作者介绍了无线传感器网络的应用。然后，作者对无模型强化学习问题的经典解决方案Q-学习算法进行了总结。在第三部分中，作者将Q-学习算法扩展到多智能体场景，并讨论了它的挑战。在第四部分中，作者综述了研究人员用于解决无线传感器网络中资源分配和任务调度问题的博弈论框架。最后，作者提到了这个领域中一些有趣的开放挑战。
2021-05-05 cs.GT cs.LG cs.MA
Spreading Code and Widely-Linear Receiver Design: Non-Cooperative Games for Wireless CDMA Networks
研究了接收端采用宽线性检测的多用户无线码分多址数据网上行链路非协作收发机的优化问题。虽然以前在这方面的工作集中在一个简单的实信号模型，在本文中使用的数据的基带复表示，以便适当地考虑到接收信号的I和Q分量。对于接收信号不正确的情况，考虑了一种宽线性接收结构，分别处理数据及其复共轭。几个非合作的资源分配游戏被认为是这种新的情况下，通过使用宽线性检测的性能增益进行了评估，通过理论分析。数值结果证实了理论研究结果的有效性，并表明，利用非合作资源分配中的数据的不适当的性质带来显着的多用户无线系统的性能改善。
2009-06-18 cs.GT cs.IT math.IT
On the Capacity of Rate-Adaptive Packetized Wireless Communication Links under Jamming
我们制定的通信节点和对手之间的互动在博弈论的背景下。我们发现，早期的信息理论容量的结果对应于一个纯粹的纳什均衡（NE）的干扰信道。然而，当两个玩家都被允许随机化他们的动作时（即，编码率和干扰功率）的新的混合纳什均衡出现了令人惊讶的性能。我们示出了阈值（$J_{TH}$）的存在，使得如果干扰机平均功率超过$J_{TH}$，则NE处的信道容量与干扰机一直使用其最大允许功率$J_{Max}$的情况相同。这表明随机化显著有利于强大的干扰机。我们还展示了NE策略是如何推导出来的，我们提供了非常简单的（例如，半均匀）逼近最佳通信和干扰策略。这种策略在当前的硬件和软件中实现起来非常简单。
2012-04-10 cs.GT cs.IT math.IT
