非正交多址网络的子信道分配、功率分配和用户调度

Joint Device Scheduling and Resource Allocation for Latency Constrained Wireless Federated Learning

In federated learning (FL), devices contribute to the global training by uploading their local model updates via wireless channels. Due to limited computation and communication resources, device scheduling is crucial to the convergence rate of FL. In this paper, we propose a joint device scheduling and resource allocation policy to maximize the model accuracy within a given total training time budget for latency constrained wireless FL. A lower bound on the reciprocal of the training performance loss, in terms of the number of training rounds and the number of scheduled devices per round, is d…

信道不确定性下的联邦学习：联合客户调度和资源分配

Federated Learning under Channel Uncertainty: Joint Client Scheduling and Resource Allocation

在这项工作中，我们提出了一种新的联合客户端调度和资源块（RB）分配政策，以尽量减少损失的准确性联邦学习（FL）相比，集中式训练为基础的解决方案，在不完善的信道状态信息（CSI）。首先，该问题被投射为一个随机优化问题在一个预定义的训练时间，并使用李雅普诺夫优化框架解决。为了学习和跟踪无线信道，利用基于高斯过程回归（GPR）的信道预测方法，并将其纳入调度决策。建议的调度策略进行评估，通过数值模拟，在完美和不完美的CSI。结果表明，所提出的方法相比，国家的最先进的客户端调度和RB分配方法的准确性损失减少了25.8%。

OFDMA下行链路联合调度和资源分配：不完全状态信息下的效用最大化

Joint Scheduling and Resource Allocation in the OFDMA Downlink: Utility Maximization under Imperfect Channel-State Information

我们考虑的问题，同时在OFDMA下行链路中的用户调度，功率分配和速率选择，与期望的总和效用最大化的总和功率约束下的目标。在这样做时，我们考虑一系列通用的基于有效产出的实用程序，例如，基于吞吐量的定价、服务质量强制和/或实际调制和编码方案（MCS）的处理。由于完美的知识的信道状态信息（CSI）可能难以保持在基站，特别是当用户和/或子信道的数量是大的，我们考虑调度和资源分配下不完美的CSI，其中的信道状态是由一个通用的概率分布。首先，我们考虑“连续”的情况下，多个用户和/或码率可以时间共享一个单一的OFDMA子信道和时隙。这产生了一个非凸优化问题，我们将其转换为凸优化问题，并使用对偶优化方法精确求解。其次，我们考虑“离散”的情况下，每个OFDMA子信道每个时隙只允许一个用户和码率。对于混合整数优化问题，我们讨论了它与连续情况的联系，并表明它可以在某些情况下得到精确解。对于其他情况下，我们提出了一个最优性差距的界限。对于这两种情况下，我们提供所获得的解决方案的算法实现。最后，我们研究，数值上，所提出的算法的性能在不同程度的CSI不确定性，公用事业，和OFDMA系统配置。此外，我们证明了相对于现有的最先进的算法的优势。

超5G异构网络的功率分配和用户分配方案

Power Allocation and User Assignment Scheme for Beyond 5G Heterogeneous Networks

无线网络中的频谱稀缺问题逐年变得突出和关键。虽然已经提出了几种有前途的解决方案来提供频谱稀缺的解决方案，但它们中的大多数都有许多相关的权衡。在这种情况下，一个新兴的想法涉及到利用认知无线电（CR）的未来异构网络（HetNet）。本文提供了两个有希望的候选人的婚姻（即，CR和HetNets）用于第五代（5G）无线网络。更具体地，已经提出并评估了用于多用户基于HLR的HetNet的联合功率分配和用户分配解决方案。针对这些网络中的限制因素，考虑了发射节点的个体功率和主网络的干扰温度保护约束。一个有效的解决方案是设计从对偶分解方法，其中最优的用户分配得到优化的功率分配在每个节点。仿真结果验证了所提出的优化方案相对于传统基线技术的优越性。

VoLTE调度：资源分配优化与低复杂度算法

Scheduling for VoLTE: Resource Allocation Optimization and Low-Complexity Algorithms

我们考虑调度和资源分配在长期演进（LTE）网络中的语音LTE（VoLTE）和尽力而为的数据用户。这两者之间的区别在于VoLTE用户获得调度优先级以接收其所需的服务质量。正如我们所展示的，严格的优先级会导致数据服务受到影响。我们提出了新的调度和资源分配算法，以最大限度地提高总和或比例公平（PF）之间的数据用户，同时满足VoLTE的需求。从本质上讲，我们使用VoLTE作为一个示例应用，既有保证的比特率，又有严格的应用特定要求。我们首先制定和解决的帧级优化问题的吞吐量最大化，但是，这会导致一个整数的LTE传输时间间隔（TTI）耦合的问题。然后，我们提出了一个TTI级的问题，解耦调度跨TTI。最后，我们提出了一个启发式，具有极低的复杂性。这些公式说明了在实施的标准中实现资源分配所需的细节。数值结果表明，TTI级方案的性能非常接近帧级上界。类似地，与TTI级优化和基线调度算法相比，启发式方案工作得很好。最后，我们表明，我们的PF优化保留了高公平性指标特征PF调度。

弹性和非弹性Ad Hoc网络中公平资源分配的最优调度

Optimal Scheduling for Fair Resource Allocation in Ad Hoc Networks with Elastic and Inelastic Traffic

本文研究的问题，拥塞控制和调度的ad hoc无线网络，必须支持的混合尽力而为和实时业务。优化和随机网络理论已经成功地设计了公平的资源分配架构，以满足长期的吞吐量需求。然而，据我们所知，严格的数据包延迟的最后期限没有考虑在这个框架之前。在本文中，我们提出了一个模型，将服务质量（QoS）的最后期限的数据包的要求，在优化框架。该问题的解决方案导致联合拥塞控制和调度算法，该算法公平地分配资源以满足弹性流和非弹性流的公平性目标以及非弹性流的每个分组延迟要求。

基于混合接收机的协作移动云节能资源分配和用户调度

Energy Efficient Resource Allocation and User Scheduling for Collaborative Mobile Clouds with Hybrid Receivers

在本文中，我们研究的资源分配和用户调度算法，以最大限度地减少数据传输的能量成本的OFDMA协作移动云（CMC）的背景下，同时无线信息和功率传输（SWIPT）接收器。由多个协作MT组成的CMC为下行链路内容分发和终端侧的能耗降低提供了一种潜在的解决方案。同时，由于射频信号可以同时携带信息和能量，因此感应SWIPT在移动节点的能量效率设计中受到了广泛的关注。以往的CMC系统设计工作主要集中在云计算或能量效率的研究上，而如何分配无线资源和调度用户传输则缺乏关注。以最小化系统能耗为目标，提出了一个联合考虑子信道分配、功率分配和用户调度的SWIPT接收机组优化问题。制定的问题是通过凸优化技术。仿真结果表明，提出的用户调度和资源分配算法可以实现显着的节能性能。

机器人网络系统中的任务分配与调度综述

A Survey on Task Allocation and Scheduling in Robotic Network Systems

本文综述机器人网络云系统中的任务分配与调度策略、指标及方法局限，并按架构应用、方法和参数三类梳理文献。

具有异构时延约束的Ad Hoc网络最优速率分配调度

Scheduling for Optimal Rate Allocation in Ad Hoc Networks With Heterogeneous Delay Constraints

本文研究了具有实时业务的单跳无线网络中的调度问题，其中每个到达的数据包都有一个相关的截止日期，并且在截止日期结束之前必须发送最小比例的数据包。利用最优化和随机网络理论，我们提出了一个框架来模拟延迟约束下的服务质量（QoS）的要求。该模型允许相当一般的到达模型与异构的约束。该框架的结果在一个最佳的调度算法，公平地分配数据率的所有流量，同时满足长期的延迟需求。我们还证明，在一个简化的情况下，我们的解决方案转化为一个贪婪的策略，使最佳决策的复杂性低。

重复竞争调度：一种面向6G车载网络的新型资源分配算法

Repeated Contention Scheduling: A Novel Resource Allocation Algorithm Toward 6G Vehicular Networks

针对NR-V2X侧链通信资源分配难题，提出基于多轮反馈驱动竞争的重复竞争调度（RCS）算法，仿真显示其性能优于传统方法，经实验测试平台验证可行性，为5G NR侧链及6G车载通信提供资源分配方案。

Joint Scheduling and Resource Allocation for Packets with Deadlines and Priorities

Cellular networks provide communication for different applications. Some applications have strict and very short latency requirements, while others require high bandwidth with varying priorities. The challenge of satisfying the requirements grows in congested traffic where some packets might miss their deadlines. Unfortunately, we prove that the problem is NP-Hard. To overcome this, we propose a new scheduling policy for packets with multiple priorities, latency requirements, and strict deadlines. To alleviate the complexity, our solution incorporates a novel time domain relaxation solved by l…

协作OFDMA网络中基于方差的中继选择和资源分配调度算法

Variance Based Scheduling Algorithm with Relay Selection and Resource Allocation in Cooperative OFDMA Networks

如今，若干标准的无线电接口利用诸如OFDMA的先进技术和诸如中继的扩展技术来增强。随着下一代无线通信技术的发展，调度问题变得更加重要和具有挑战性。在我们的工作中，我们的目标是最大限度地提高整个系统的容量，同时选择最合适的中继站之间的用户和中继站之间的公平性约束，提出了一个基于间隙的调度。该模型考虑了信道状态信息和两跳链路的不均衡速率容量。仿真结果表明，我们的方法在公平性和整体系统性能的有效性。

Deep-Reinforcement-Learning-Based Scheduling with Contiguous Resource Allocation for Next-Generation Cellular Systems

Scheduling plays a pivotal role in multi-user wireless communications, since the quality of service of various users largely depends upon the allocated radio resources. In this paper, we propose a novel scheduling algorithm with contiguous frequency-domain resource allocation (FDRA) based on deep reinforcement learning (DRL) that jointly selects users and allocates resource blocks (RBs). The scheduling problem is modeled as a Markov decision process, and a DRL agent determines which user and how many consecutive RBs for that user should be scheduled at each RB allocation step. The state space,…

Lte中的调度和无线资源分配研究综述

Survey On Scheduling And Radio Resources Allocation In Lte

本文重点讨论LTE架构中增强型节点B eNodeB元件的一项基本任务--无线电资源管理器RRM，其目的是根据某些约束条件接受或拒绝连接网络的请求，并确保用户设备UE之间无线电资源的最佳分配。它的主要功能包括接纳控制AC和分组调度PS。本文将主要集中在RRM任务的PS部分，它在上行链路和下行链路方向上执行无线资源分配。在文献中已经提出了几种方法和算法来解决这种需求，即：有效地分配资源，算法的多样性和众多性与无线电资源的最佳管理所考虑的因素有关，具体地，UE所请求的业务类型和QoS服务质量。在本文中，无线电资源分配策略的一个艺术状态和几个调度算法提出了LTE（上行链路和下行链路）的详细研究。因此，我们提出我们的评价和批评。

QoS-Aware User Scheduling in Crowded XL-MIMO Systems Under Non-Stationary Multi-State LoS/NLoS Channels

Providing minimum quality-of-service (QoS) in crowded wireless communications systems, with high user density, is challenging due to the network structure with limited transmit power budget and resource blocks. Smart resource allocation methods, such as user scheduling, power allocation, and modulation and coding scheme selection, must be implemented to cope with the challenge. Aiming to enhance the number of served users with minimum QoS in the downlink (DL) channel of crowded extra-large scale massive multiple-input multiple-output (XL-MIMO) systems, in this paper we propose a QoS-aware join…

Practical Scheduling Algorithms with Contiguous Resource Allocation for Next-Generation Wireless Systems

This paper proposes three novel resource and user scheduling algorithms with contiguous frequency-domain resource allocation (FDRA) for wireless communications systems. The first proposed algorithm jointly schedules users and resources selected adaptively from both ends of the bandwidth part (BWP), while the second and third ones apply disjoint user and resource selection with either single-end or dual-end BWP strategies. Distinct from existing contiguous FDRA approaches, the proposed ones comply with standards specifications for fifth-generation (5G) and beyond 5G communications, and have low…

无线多载波网络中资源分配的多服务器调度框架

A Multi-server Scheduling Framework for Resource Allocation in Wireless Multi-carrier Networks

本文提出一种基于多服务器调度框架的跨层资源分配算法，通过MPGPS及其变体实现分组交换OFDM网络中多用户同时调度与功率、频谱效率的联合优化。

mmWave IAB网络中使用深度强化学习的联合调度与资源分配

Joint Scheduling and Resource Allocation in mmWave IAB Networks Using Deep RL

提出基于深度强化学习的框架，结合贪婪DDQN调度器与多智能体DDQN分配器，解决动态mmWave IAB网络中的联合链路调度与资源切片问题，实现高调度准确率与吞吐量提升。

基于深度神经网络的实时调度和功率分配

Realtime Scheduling and Power Allocation Using Deep Neural Networks

随着5G中基站（BS）数量的增加和网络密度的增加，使用链路调度和功率控制的干扰管理对于更好地利用无线电资源至关重要。然而，解决链路调度和功率控制问题的复杂度随着BS的数量呈指数增长。由于计算时间长，以前的方法对于研究目的是有用的，但对于实时的使用是不切实际的。在本文中，我们提出使用深度神经网络（DNN）近似最优链路调度和功率控制的情况下，多个小小区。深度Q网络（DQN）估计合适的调度，然后DNN为相应的调度分配功率。仿真结果表明，该方法实现了超过五个数量级的速度提高，不到百分之九的性能损失，使实时的使用的实际。

前端感知的软件无线网络：资源分配和用户调度

Fronthaul-Aware Software-Defined Wireless Networks: Resource Allocation and User Scheduling

软件定义网络（SDN）提供了一种灵活且可编程的方式来通过控制-数据平面分离来优化无线电接入网络。然而，要想获得无线SDN的好处，关键在于充分利用有限的无线前传容量。在这项工作中，前端感知的资源分配和用户调度问题进行了研究。为此，提出了一种双时标前传感知SDN控制机制，其中控制器通过在长时标中强制执行粗略相关均衡来最大化时间平均网络吞吐量。随后，利用控制器的建议，每个基站在短时间尺度内使用李雅普诺夫随机优化来调度其用户，即，在每个时间段。仿真结果表明，在SDN控制器的帮助下，网络吞吐量显著提高，延迟降低高达40%。此外，对于更密集的网络部署，收益更为明显。

Phasic Policy Gradient Based Resource Allocation for Industrial Internet of Things

Time Slotted Channel Hopping (TSCH) behavioural mode has been introduced in IEEE 802.15.4e standard to address the ultra-high reliability and ultra-low power communication requirements of Industrial Internet of Things (IIoT) networks. Scheduling the packet transmissions in IIoT networks is a difficult task owing to the limited resources and dynamic topology. In this paper, we propose a phasic policy gradient (PPG) based TSCH schedule learning algorithm. The proposed PPG based scheduling algorithm overcomes the drawbacks of totally distributed and totally centralized deep reinforcement learning…

WiMAX网络中基于优先级的自适应下行链路调度

Adaptive Priority-Based Downlink Scheduling for WiMAX Networks

WiMAX（IEEE 802.16）网络的主要关注点是支持用于各种多媒体服务的服务质量（QoS）保证。满足QoS要求的调度方案对于无线通信已经变得更加重要。我们提出了一种下行链路调度方案，称为自适应基于优先级的下行链路调度（APDS），在IEEE 802.16网络中提供QoS保证。APDS包括两个主要部分：优先级分配和资源分配。不同业务类型的连接主要依赖于它们的QoS要求来动态地调整优先级分配和调度带宽资源。我们考虑饥饿避免和资源管理。仿真结果表明，我们的APDS方法优于有代表性的调度方法在QoS满意度和保持公平性的饥饿预防。

数据中心中的路由和带宽分配

Coflow Scheduling in Data Centers: Routing and Bandwidth Allocation

在像MapReduce、Spark和Dyrad这样的分布式计算框架中，coflow是一组在作业的两个阶段之间传输数据的流。除非coflow中的所有流都完成，否则作业无法开始其下一阶段。为了提高这样的作业的执行性能，它是至关重要的，以减少一个coflow的完成时间，可以贡献超过50%的作业完成时间。虽然已经提出了几个路由器，我们观察到，路由，作为一个因素，极大地影响了路由完成时间（CCT），并没有得到很好的考虑。在本文中，我们专注于同流调度问题，并联合考虑路由和带宽分配。首先，我们提供了一个分析解决方案的问题的最佳带宽分配与预先确定的路线。然后，我们制定的coflow调度问题作为一个混合的非线性规划问题，并提出其放松凸优化问题。我们进一步提出了两种算法，CoRBA和它的简化版本：CoRBA-fast，联合执行路由和带宽分配为一个给定的coflow，同时最大限度地减少CCT。通过离线和在线模拟，我们证明了CoRBA与最先进的算法相比，将CCT降低了40%-500%。仿真结果还表明，CoRBA-fast可以比所有其他算法快几十倍，与CoRBA相比，性能下降约10%，这使得CoRBA-fast的使用在实践中非常适用。

TDMA-based scheduling for multi-hop wireless sensor networks with 3-egress gateway linear topology

Packet transmission scheduling on multi-hop wireless sensor networks with 3-egress gateway linear topology is studied. Each node generates a data packet in every one cycle period and forwards it bounded for either of gateways at edges. We focus on centrally-managed Time Division Multiple Access (TDMA)-based slot allocations and provide the design of a packet transmission scheduling framework with static time-slot allocation and basic redundant transmission to reduce and recover packet losses. We proposed three general path models, which would represent all possible variations of this topology,…

非平稳无线信道下的智能调度和反馈分配

Smart Scheduling and Feedback Allocation over Non-stationary Wireless Channels

众所周知，机会调度算法在动态信道和网络条件下是吞吐量最优的。然而，这些算法实现了一个假设的速率区域，该区域没有考虑与在每个时隙获得完整信道状态信息所需的信道探测和反馈相关联的开销。在这项工作中，我们设计了一个联合调度和信道探测算法，通过考虑获得信道状态信息的开销。我们采用了相关和非平稳信道模型，这是比文献中使用的更现实。我们使用的概念，从学习和信息论，以准确地跟踪信道的变化，以尽量减少在每个时隙的信道探测的数量，同时调度用户，以最大限度地提高网络的可实现的速率区域。更具体地说，我们采用高斯过程回归，使我们能够预测未来的信道状态，并提供一种方法来衡量学习和预测中的不确定性。仿真结果表明，采用该算法后，网络能够承载更高的用户业务量.所提出的解决方案可以用于更复杂和异构的环境，如5G和需要无模型方法的其他网络。

优化铁路系统中FRMCS与GSM-R网络共存的资源分配与调度

Optimizing Resource Allocation and Scheduling towards FRMCS and GSM-R networks coexistence in Railway Systems

针对GSM-R向FRMCS迁移期间两系统共存，提出基于ILP和CQI感知的ITSP调度算法，利用5G NR抢占机制优化资源分配，不干扰现有GSM-R系统。

混合TDMA-NOMA系统的资源分配分配策略

Resource Allocation Technique for Hybrid TDMA-NOMA System with Opportunistic Time Assignment

在本文中，我们提出了一种资源分配技术的混合时分多址（TDMA）-非正交多址（NOMA）系统的机会时间分配。特别地，可用的传输时间被划分为若干时隙，通过利用功率域NOMA服务于多个用户。为了充分利用这种混合TDMA-NOMA系统的潜在优势，我们有效地利用可用的资源，通过联合分配发射功率和时隙到系统中的几组用户。此外，这些资源被分配以最大化系统中的用户的最小速率。然而，由于时间和功率分配的耦合设计参数，该最大-最小资源分配问题是非凸的。因此，我们利用一种新的二阶锥制定，以克服这个非凸性问题，并开发一个迭代算法来实现原来的最大-最小问题的解决方案。仿真结果表明，这种联合资源分配技术具有相当大的性能提高方面的最小实现速率和整体系统吞吐量相比，传统的资源分配技术，其中相等的时隙分配给用户组。

Recursive Periodicity Shifting for Semi-Persistent Scheduling of Time-Sensitive Communication in 5G

Various legacy and emerging industrial control applications create the requirement of periodic and time-sensitive communication (TSC) for 5G/6G networks. State-of-the-art semi-persistent scheduling (SPS) techniques fall short of meeting the requirements of this type of critical traffic due to periodicity misalignment between assignments and arriving packets that lead to significant waiting delays. To tackle this challenge, we develop a novel recursive periodicity shifting (RPS)-SPS scheme that provides an optimal scheduling policy by recursively aligning the period of assignments until the tim…

T-s3ra: traffic-aware scheduling for secure slicing and resource allocation in sdn/nfv enabled 5g networks

Network slicing and resource allocation play pivotal roles in software-defined network (SDN)/network function virtualization (NFV)-assisted 5G networks. In 5G communications, the traffic rate is high, necessitating high data rates and low latency. Deep learning is a potential solution for overcoming these constraints. Secure slicing avoids resource wastage; however, DDoS attackers can exploit the sliced network. Therefore, we focused on secure slicing with resource allocation under massive network traffic. Traffic-aware scheduling is proposed for secure slicing and resource allocation over SDN…

面向低轨卫星系统高效资源分配的拓扑感知协作波束跳变调度

Topology-Aware Cooperative Beam-Hopping Scheduling for Efficient Resource Allocation in LEO Satellite Systems

针对低轨卫星系统的波束跳变资源管理难题，提出拓扑感知协作波束跳变框架，结合图神经网络与多智能体强化学习实现联合调度与功率控制，仿真显示能效等性能显著优于基线。

Sidelink网络中基于智能体DDQN的授权与非授权频段分配调度

Agentic DDQN-Based Scheduling for Licensed and Unlicensed Band Allocation in Sidelink Networks

针对NR sidelink授权与非授权频段分配，提出多维上下文感知、QoS约束奖励的智能体DDQN调度器，在保持吞吐量时最高降低87.5%阻塞。

面向6G in-X子网的联合资源分配与调度的解释引导联邦深度强化学习

Explanation-Guided Federated Deep Reinforcement Learning for Joint Resource Allocation and Scheduling in 6G in-X Subnetworks

针对6G in-X子网动态干扰与异构需求，提出融合多智能体强化学习、联邦学习与可解释AI的框架，实现隐私保护下的联合资源分配与调度，仿真验证性能与透明度显著提升。

利用大语言模型实现万物互联环境下的智能资源分配

Harnessing Large Language Models for Intelligent Resource Allocation in the Internet of Everything

该研究针对万物互联的动态资源调度挑战，提出大语言模型驱动的资源分配方案，构建多维调度决策模型并引入反馈模块，仿真显示其在收敛速度等指标上表现优异。

不完美且能量受限的水下无线传感器网络中的联合链路调度与功率分配

Joint link scheduling and power allocation in imperfect and energy-constrained underwater wireless sensor networks

本文针对能量受限且存在节点故障的水下无线传感器网络，提出基于深度多智能体强化学习的ICRL-JSA方案，通过联合链路调度与功率分配实现公平、高效、可靠的通信。

无线缓存网络中内容分发的联合分布式链路调度和功率分配

Joint Distributed Link Scheduling and Power Allocation for Content Delivery in Wireless Caching Networks

在无线缓存网络中，内容分发方法的设计必须考虑随机用户请求、缓存状态、网络拓扑和干扰管理。在本文中，我们建立了一个无线缓存网络中的内容传输的一般框架，没有严格的假设，限制网络结构，传输链路和干扰模型。基于该框架，我们提出了一个动态的和分布式的链路调度和功率分配方案的内容分发，是由置信传播（BP）算法的辅助。该方案考虑了内容请求用户和潜在缓存节点，实现了无线缓存网络的三个关键目的：1）限制用户请求满足的延迟; 2）保持缓存节点的功率效率; 3）管理用户间的干扰。此外，我们解决了BP算法在我们的网络模型中的固有问题，提出了一个匹配算法的一对一链路调度。仿真结果表明，该方案提供了几乎相同的延迟性能的最佳方案，通过一个穷举搜索的代价是一个小的额外的功耗，并不需要在一个大规模的D2 D网络的聚类方法和正交资源。

基于机器学习和遗传算法的自适应闭环OFDM资源分配方法

Adaptive Closed Loop OFDM-Based Resource Allocation Method using Machine Learning and Genetic Algorithm

在本文中，机器学习（ML）的概念被引入到基于正交频分复用（OFDMA）的调度器。类似于长期演进（LTE）中信道质量指示符（CQI）对调度器的影响，ML用于向调度器提供关于用户设备（UE）业务模式、需求、服务质量（QoS）需求、瞬时用户吞吐量和其它网络条件的相关信息。为了优化LTE调度器操作，提出了一种基于ML的自适应框架。所提出的技术目标多目标调度策略。调整不同目标的权重以基于UE需求模式优化每次传输的资源分配。此外，它克服了传统调度方法的权衡问题。该技术可以被用作任何调度策略的通用框架。在本文中，遗传算法为基础的多目标调度被认为是说明所提出的自适应调度解决方案的效率。结果表明，使用聚类和分类算法与GA的组合优化GA调度功能，并利用ML过程，形成一个闭环调度机制。

HetMEC：异构移动边缘计算的延迟最优任务分配和资源分配

HetMEC: Latency-optimal Task Assignment and Resource Allocation for Heterogeneous Mobile Edge Computing

由于对边缘设备（ED）的低延迟服务的巨大需求，已经提出了移动边缘计算（MEC）以实现无线电接入网络边缘处的计算能力。然而，传统的MEC服务器具有诸如有限的计算能力、阻止及时处理计算密集型任务的缺点。为了缓解这个问题，我们提出了异构MEC（HetMEC），其中不能在边缘及时处理的数据被允许卸载到上层MEC服务器，并最终卸载到具有更强大计算能力的云中心（CC）。我们设计的延迟最小化算法，共同协调的任务分配，计算和传输资源之间的ED，多层MEC服务器，和CC。仿真结果表明，我们提出的算法可以实现更低的延迟和更高的处理速率比传统的MEC方案。

面向5G网络的前端感知软件定义联合资源分配和用户调度

Fronthaul-Aware Software-Defined Joint Resource Allocation and User Scheduling for 5G Networks

软件定义网络（SDN）是在中央控制器的协助下将控制平面和数据平面解耦以创建灵活敏捷的网络的概念。然而，SDN的性能在很大程度上取决于前传的限制，这些限制在现有文献中没有充分讨论。针对带内无线前传约束的5G无线网络，提出了一种前传感知的软件定义资源分配机制。考虑到前传容量，控制器通过实施粗相关均衡（CCE）和激励基站（BS）本地优化其决策，以确保移动用户（MU）的服务质量（QoS）要求，最大化的时间平均网络吞吐量。通过结合李雅普诺夫随机优化和博弈论的工具，我们提出了一种双时标方法，其中控制器给出建议，即，具有低干扰的子载波，而BS在每个时隙中调度它们自己的MU并分配可用资源。数值结果表明，相当大的吞吐量增强和延迟减少非SDN网络基线。

DSROQ：LEO卫星网络中用于QoE管理的动态调度与路由

DSROQ: Dynamic Scheduling and Routing for QoE Management in LEO Satellite Networks

针对LEO卫星网络的QoS保障，本文提出DSROQ，联合MCTS启发的路由带宽分配与Lyapunov调度，在Starlink场景下提升用户体验与公平性。

The challenges of Scheduling and Resource Allocation in IEEE 802.11ad/ay

The IEEE 802.11ad WiFi amendment enables short-range multi-gigabit communications in the unlicensed 60~GHz spectrum, unlocking new interesting applications such as wireless Augmented and Virtual Reality. The characteristics of the mmWave band and directional communications allow increasing the system throughput by scheduling pairs of nodes with low cross-interfering channels in the same time-frequency slot. On the other hand, this requires significantly more signaling overhead. Furthermore, IEEE 802.11ad introduces a hybrid MAC characterized by two different channel access mechanisms: contenti…

Configured Grant for Ultra-Reliable and Low-Latency Communications: Standardization and Beyond

Uplink configured Grant allocation has been introduced in 3rd Generation Partnership Project New Radio Release 15. This is beneficial in supporting Ultra-Reliable and Low Latency Communication for industrial communication, a key Fifth Generation mobile communication usage scenario. This scheduling mechanism enables a user with periodic traffic to transmits its data readily and bypasses the control signaling entailed to scheduling requests and scheduling grants and provides low latency access. To facilitate ultra-reliable communication, the scheduling mechanism can allow users to transmit conse…

MAxLM：基于多智能体语言模型的MU-MIMO-OFDMA无线网络调度与资源分配

MAxLM: Multi-Agent Language Model-Based Scheduling and Resource Allocation in MU-MIMO-OFDMA-Enabled Wireless Networks

本文提出MAxLM框架，利用预训练语言模型优化无线网络的上行调度接入，通过WiSER平台实现自主调度与资源分配，实验表明其在不同STA数量和天线设置下均优于基准方法。

无线调度中局部功率控制的代价

The Price of Local Power Control in Wireless Scheduling

我们考虑调度无线链路的物理模型中，在那里我们寻求分配的功率水平和一个分区的给定的一组链接到满足信号干扰噪声比（SINR）的约束的子集的最小数量的问题。具体来说，我们感兴趣的本地功率分配方案，或不经意的功率计划，在近似无线调度的效率。不经意的功率方案是由网络场景激励的，当功率电平必须提前决定时，而不是作为调度计算的一部分。我们首先表明，已知的算法无法获得次对数界限，也就是说，他们的近似比是$\tildeΩ(\log \max(Δ,n))$，其中$n$是链接的数量，$Δ$是最大和最小链接长度的比率，和$\tildeΩ$隐藏双对数因子。然后，我们提出了第一个$O(\log{\logΔ})$近似算法，这是已知的最好的可能（在$Δ$方面）不经意的权力计划。我们实现了这一点，通过冲突图，它允许应用图论的结果为各种相关的问题，包括加权容量问题的干扰。我们进一步探索的轮廓的近似性，并找到选择的权力分配事项;不是所有的度量空间是平等的;和存在的薄弱环节，使问题更加困难。结合起来，我们的结果解决了无线调度的遗忘功率的价格，或允许不受约束的功率控制的价值。

PartialLoading：用于参数共享边缘推理的用户调度与带宽分配

PartialLoading: User Scheduling and Bandwidth Allocation for Parameter-sharing Edge Inference

针对边缘推理中模型加载延迟高的问题，提出PartialLoading框架，通过联合用户调度与带宽分配重用模型间共享参数，显著提升了截止时间约束下的任务吞吐量。