Set Covering-based Approximation Algorithm for Delay Constrained Relay Node Placement in Wireless Sensor Networks
无线传感器网络中的时延约束中继节点配置（DCRNP）问题旨在部署最少的中继节点，使得每个传感器节点都有一条路径将该传感器节点连接到sink，而不违反时延约束。随着无线传感器网络在时间要求严格的应用中的应用，DCRNP问题的重要性变得引人注目。针对DCRNP问题的NP难性质，提出了一种基于集合覆盖的中继节点放置（SCA）的近似算法来求解DCRNP问题。所提出的SCA算法以跳数从汇聚节点到给定传感器节点迭代部署中继节点，即，在第$k$次迭代中，SCA将中继节点部署在与宿相距$k$跳的位置处。具体来说，在每次迭代中，SCA首先找到位于1跳内的中继节点和传感器节点的候选部署位置，这些节点已经连接到sink。然后，基于集合覆盖方法，从这些候选部署位置中选择一个子集来部署中继节点，该子集能够保证在时延约束内存在连接未连接传感器节点到sink的路径.在SCA算法的迭代过程中，传感器节点在满足时延约束的情况下逐渐连接到sink节点。详细分析了SCA算法的逼近比，并通过严格的时间复杂度分析证明了SCA算法是一个多项式时间算法。为了评估所提出的SCA算法的性能，进行了大量的仿真，仿真结果表明，SCA算法可以显着节省部署的中继节点相比，现有的算法，即，SCA算法最多可节省31.48%的中继节点。
2015-04-03 cs.NI
Impact of channel partitioning and relay placement on resource allocation in OFDMA Cellular networks
对诸如流音频/视频、Skype和视频游戏之类的无线应用的需求的巨大增长要求高数据率，而不管用户在蜂窝网络中的位置如何。然而，用户的服务质量（QoS）在小区边界处降级。中继增强型多跳蜂窝网络是提高小区边缘用户性能的一种经济有效的解决方案。固定中继节点（FRN）的优化部署是满足边缘用户QoS需求的关键。我们提出了新的方案，在蜂窝网络中的信道划分和FRN的位置。路径损耗，信号干扰和噪声比（SINR）的用户所经历的，和阴影的影响已被考虑。分析更加强调小区边缘用户（最坏情况）。结果表明，这些方案在频谱效率方面实现了更高的系统性能，并且还增加了小区边缘处的用户数据率。
2012-07-11 cs.NI
Optimal Sequential Wireless Relay Placement on a Random Lattice Path
我们的工作是出于需要即兴（或“随你去”）部署中继节点（用于建立与控制中心的分组通信路径）的消防员/突击队员，而在一个未知的环境中工作。我们考虑一个模型，其中部署操作步骤沿随机格路径的演变是马尔可夫。在每一步，路径可以随机地在相同的方向上继续，或者转向“北”或“东”，或者到达终点，在该点处，数据源（例如，温度传感器）必须被放置，该传感器将把分组发送到路径起点处的控制中心。必须在每个步骤中决定是否放置无线中继节点。假设源的数据包生成速率非常低，并且简单的逐链路调度，我们考虑中继放置问题，以便最小化端到端成本度量的期望（凸跳成本和放置的中继数量的线性组合）。这个即兴中继布局问题制定为一个总成本马尔可夫决策过程。首先，我们推导出最优策略的最优放置集，并表明，这一组的特点是由一个边界，超过它是最佳的地方。接下来，基于一个更简单的替代一步前瞻表征的最优策略，我们提出了一个算法，该算法被证明是收敛到最优放置集在一个有限的步骤，这是比传统的值迭代更快。我们通过模拟表明，距离为基础的启发式，通常假设在文献中，是接近最优的阈值距离仔细选择。
2012-07-26 cs.NI
Measurement-Device Placement in MDI-QKD Networks with Minimal Trusted Relays
Politecnico di Milano（米兰理工大学）；Universidad Politécnica de Madrid（马德里理工大学）；University of Waterloo（滑铁卢大学）
针对MDI-QKD网络规划，提出MHD问题并证明NP难，用MILP联合优化中心放置与用户分配，在城域拓扑中最小化可信中继需求。
2026-09-11 cs.NI
Association and Caching in Relay-Assisted mmWave Networks: From A Stochastic Geometry Perspective
有限的回程带宽和阻塞效应是限制毫米波（mmWave）网络实际部署的两个主要因素。为了解决这些问题，我们研究了中继的可行性，以及在毫米波网络缓存。考虑到基站和中继节点共存所引起的空间相关性，提出了一种同时依赖于缓存状态和最大偏置接收功率的用户关联和中继（UAR）准则.联合UAR和缓存放置问题，然后制定最大限度地减少回程流量。利用随机几何工具，通过分析UAR概率和缓存放置概率之间的关系，将UAR和缓存放置问题解耦。然后，我们优化转换的缓存放置问题的基础上polyblock外近似利用单调性在一般情况下，并利用凸优化在噪声限制的情况下。因此，我们提出了一种BS和RN选择算法，其中BS处的缓存状态和最大偏置接收功率被共同考虑。实验结果表明，使用所提出的算法的回程卸载的显着增强，并表明部署更多的RN和增加缓存大小的毫米波网络是一个更具有成本效益的替代方案比增加BS密度，以实现类似的回程卸载性能。
2020-08-18 cs.NI
Optimal Placement of Relay Nodes in Wireless Sensor Network Using Artificial Bee Colony Algorithm
即使在高密度网络中，随机部署传感器节点也会产生初始通信洞。即使以结构化的方式进行部署，也无法完全消除这些通信漏洞。在任一种情况下，所产生的节点间距离可能会降低网络的性能。提出了一种基于人工蜂群（ABC）的改进部署算法.基于ABC的部署通过优化网络参数和限制部署的中继总数来保证延长生命周期。仿真结果验证了该策略在不同问题复杂度情况下的有效性。结果表明，所提出的方法相比，在文献中报道的解决方案，如最短路径3-D网格部署（SP 3D）算法，大大提高了网络的生命周期。保留字：人工蜂群，维纳指数，优化，中继节点，拉普拉斯矩阵，连通图，顶点，边，平均距离，拉普拉斯矩阵，最短路径3-D网格部署，ABC，SP 3D，RN/CH，ILDCC，SPRN，O3 DwLC，算法，方法，单目标，多目标，特征值，第一阶段中继节点，NP难，部署，建议，第二阶段中继节点，理想媒体访问控制，簇头，最小生成树，非确定性多项式时间硬，两层分层结构，生命周期约束下的优化三维部署，流量，无线传感器网络，规模，生命周期，网络负载，使用分组的节点数，连通性，两层，协议，冲突和干扰。
2018-09-10 cs.NI
On the Placement and Sustainability of Drone FSO Backhaul Relays
本文研究高楼城区中无人机FSO回程中继的部署，通过优先选择阳光充足位置并安装太阳能板，以减少无人机充电往返次数，提升可持续性。
2025-10-10 cs.NI eess.SP
Optimal Relay Placement for Capacity and Performance Improvement using a Fluid Model for Heterogeneous Wireless Networks
在本文中，我们解决的问题，在蜂窝网络中的最佳中继放置假设网络致密化，以最大限度地提高小区容量的目的。在我们的模型中，一小部分无线电资源专用于基站（BS）/中继节点（RN）通信。在剩余资源中，BS和RN同时向用户发送。在该阶段期间，网络在发射机密度和因此网络容量增加的意义上被致密化。在从异构网络的流体模型导出的信号与干扰加噪声比（SINR）的简单公式中考虑了小区间和小区间干扰。然后可以使用模拟退火快速执行优化。性能结果表明，尽管信号质量下降，但由于致密化，小区容量得到了提高。还提供了专用于BS-RN链路的资源部分的界限。
2013-07-16 cs.IT cs.NI math.IT
3D Placement for Multi-UAV Relaying: An Iterative Gibbs-Sampling and Block Coordinate Descent Optimization Approach
在本文中，我们考虑了一个无人机（UAV）使能中继系统，其中多个无人机被部署为空中中继，以支持同时通信从一组源节点到它们的目的地节点在地面上。在实际信道模型下，通过联合设计无人机的三维布局以及带宽和功率分配，最大化所有地面节点对之间的最小可达期望速率。然而，这个问题是非凸的，因此难以解决。因此，我们提出了一种新的方法，称为迭代吉布斯采样和块坐标下降（IGS-BCD），有效地获得一个高质量的次优解，通过协同确定性（BCD）和随机（GS）优化方法的优点。具体来说，我们提出的方法交替两个优化阶段，直到收敛，即，一个阶段，使用BCD方法找到本地最佳的无人机的3D布局和其他阶段，利用GS方法来生成新的无人机的3D布局的探索。此外，我们提出了一种有效的方法，适当地初始化无人机的布局，导致所提出的IGS-BCD算法的收敛速度更快。数值结果表明，所提出的IGS-BCD和初始化方法优于传统的BCD或GS方法单独的收敛性和性能的权衡，以及其他基准计划。
2020-11-03 cs.IT cs.NI math.IT
Joint Mobility-Aware UAV Placement and Routing in Multi-Hop UAV Relaying Systems
无人机（UAV）已被广泛用于在农村和欠发达地区提供无线连接，增强网络容量，并为用户需求的峰值或意外激增提供支持，主要是由于其快速部署，成本效益和由视距（LoS）主导的无线信道产生的卓越通信性能。为了利用无人机作为移动网络中的基站或中继站的优势，一个主要的挑战是根据地面网络节点的移动性和流量模式来确定最佳的无人机放置和重新定位策略。此外，考虑到无人机形成多跳空中网络，容量和连通性约束对端到端网络性能具有显著影响。为此，我们制定的联合无人机布局和路由问题作为一个混合线性规划（MILP），并提出了一个近似，导致一个LP舍入算法，并实现了时间复杂度和最优性之间的平衡。
2020-09-30 cs.NI cs.SY eess.SY
QoS Constrained Optimal Sink and Relay Placement in Planned Wireless Sensor Networks
我们在给定的位置给出一组传感器，一组潜在的位置放置基站（BS，或汇），和另一组潜在的位置放置无线中继节点。存在用于放置BS的成本和用于放置中继的成本。我们考虑的问题是选择一组BS位置，一组中继位置，以及传感器节点与所选BS位置的关联，使得从每个传感器到其BS的路径中的跳数由hmax限制，并且在所有这样的可行网络中，所选网络的成本是最小的。跳数界限足以确保在轻业务模型下在给定的最大延迟内将数据递送到BS的特定概率。我们观察到这个问题是NP难的，甚至很难在一个常数因子内近似。对于这个问题，我们提出了一个多项式时间的近似算法（SmartSelect）的基础上提出的中继放置算法在我们早期的工作，随着修改的贪心算法加权集覆盖。我们分析了该算法的最坏情况下的近似保证。我们还提出了一个多项式时间启发式，以改善SmartSelect提供的解决方案。我们的数值结果表明，该算法提供了良好的质量解决方案，在各种随机生成的网络场景中使用非常少的计算时间。
2014-01-11 cs.DM cs.DS cs.NI
MILP, pseudo-boolean, and OMT solvers for optimal fault-tolerant placements of relay nodes in mission critical wireless networks
Sapienza University of Rome（罗马萨皮恩扎大学）；University of Naples Federico II（那不勒斯费德里科二世大学）
在机场等关键基础设施中，必须非常小心地保护无线电通信网络免受外部电磁干扰。对这种关键任务无线电通信网络的保护通常通过利用无线电测向仪来解决：至少三个适当部署的无线电测向仪和一个从它们收集信息的网关，允许监测和定位不应该出现在监测区域的电磁辐射源。通常，无线电测向仪通过中继节点连接到网关。因此，为了提供可靠的监测，中继节点网络的一定程度的容错是必不可少的。另一方面，中继节点的部署通常相当昂贵。因此，我们有两个相互冲突的要求：最小化成本，同时保证给定的容错性。在本文中，我们解决的问题，计算部署的中继节点，最大限度地减少中继节点的网络成本，同时保证正常工作的网络，即使当一些中继节点（最多一个给定的最大数量）成为故障（容错）。我们表明，通过对HPC基础设施的计算密集型预处理，上述优化问题可以被编码为0/1线性规划，变得适合与标准的人工智能推理机，如MILP，PB-SAT和SMT/OMT求解器接近。我们的问题制定使我们能够提出实验结果，比较这三种解决技术的性能在一个真实的案例研究的中继节点网络部署在意大利罗马的达芬奇机场的地区。
2021-06-20 cs.AI cs.DC cs.LO
Asynchronous Stochastic Approximation Based Learning Algorithms for As-You-Go Deployment of Wireless Relay Networks along a Line
我们的动机是需要即兴（或随你去）部署的多跳无线网络，由人类代理或机器人;代理沿线移动，定期进行无线链路质量测量，并使用这些测量在线放置决策。作为第一步，我们已经制定了这样的部署沿线作为一个顺序决策问题。在我们早期的工作中，我们提出了两种可能的部署方法：（i）纯随你去的方法，其中部署代理只能向前移动，以及（ii）探索前进的方法，其中部署代理探索几个连续的步骤，然后选择最佳的中继放置位置。后者被证明提供了更好的性能，但以更多的测量和部署时间为代价，这使得探索前进不切实际的快速部署的能量受限的代理，如无人机。此外，部署算法不应要求无线传播模型的参数的先验知识。因此，在[1]中，我们为探索-前进方法开发了学习算法。本文为纯随用随取的方法提供了部署和学习算法。我们制定的顺序中继部署问题的平均成本马尔可夫决策过程（MDP），权衡之间的功耗，链路中断概率，和部署的中继节点的数量。首先，我们展示了最优策略的结构结果。接下来，通过利用最优方程的特殊结构，并通过使用异步随机逼近理论，我们开发了两个学习算法，渐近收敛到一组最优策略部署的进展。数值结果表明，相当快的收敛速度，因此无模型算法可以用于实际的，快速部署的应急无线网络。
2017-09-05 cs.NI
Joint Network Lifetime Maximization and Relay Selection Design in Underwater Acoustic Sensor Networks
针对水声传感器网络，提出基于多目标字典序方法的联合生命周期最大化与中继选择方案，在保证与现有方法同计算复杂度的同时，实现更优的网络生命周期和中继数量优化效果。
2023-10-04 cs.NI
EBCD: a routing algorithm based on bee colony for energy consumption reduction in wireless relay networks
路由问题是无线网络中的一个重要问题，它对系统的性能有很大的影响，本文提出了一种基于蜂群的路由算法来降低无线中继网络的能耗。在EBCD算法中，结合能量、距离和流量参数，提出了一种比现有算法效率更高的无线网络路由算法。应用蜂群算法可以使参数的配置在常规条件下进行，并且比现有算法更接近于具有更好适应性的机制。根据所考虑的参数，该算法提供了一个适应度函数，可以作为一个多跳。与其他同类算法不同，它可以通过多种服务根据环境条件提高服务质量。该方法可以有效地存储节点中积累的能量，减少跳数限制。
2012-09-16 cs.NI
As-You-Go Deployment of a Wireless Network with On-Line Measurements and Backtracking
我们的动机是需要，在某些应用中，即兴或随你去部署无线传感器网络。一个人沿着线路行走，在等距位置处与前一个中继进行链路质量测量，并在这些位置中的一些位置处部署中继，以便将放置在线路上的传感器与线路起点处的接收器连接。在本文中，我们扩展了我们以前对这个问题的研究（见[1]），以纳入两个新的方面：（i）在部署目标中包含路径中断，以及（ii）允许部署代理在选择其中的放置位置之前对几个连续步骤进行测量（我们称之为回溯）。我们考虑一个轻交通制度，并制定了一个马尔可夫决策过程的问题。布局算法得到两种情况下：（i）到源的距离是几何分布与已知的平均值，和（ii）每步的平均成本的情况下。我们激励每一步的成本函数在几个已知的睡眠-唤醒循环无线传感器网络的转发协议。我们得到的各种配方的最优策略的结构，并提供一些敏感性的政策和最优值的结果。然后，我们提供了一个数值研究的算法，从而提供了深入了解回溯的优势，并与简单的启发式布局政策的比较。
2013-08-22 cs.NI
Sequential Decision Algorithms for Measurement-Based Impromptu Deployment of a Wireless Relay Network along a Line
我们的动机是需要，在某些应用中，即兴或随你去部署无线传感器网络。一个人沿着一条线行走，从一个汇聚节点（例如，基站），并向源节点前进（例如，传感器），其位于先验未知位置。在等间隔的位置，他使链路质量测量到以前的中继，并部署中继在这些位置中的一些，目的是连接源到汇的多跳无线path.In本文中，我们考虑两种方法的即兴部署：（i）部署代理只能向前移动（我们称之为纯随用随取方法），以及（ii）部署代理可以在选择其中的放置位置之前在几个连续步骤上进行测量（我们称之为探索前进方法）。我们考虑一个轻交通制度，并制定了一个马尔可夫决策过程，其中的权衡是由节点使用的功率之间的问题，在链路中的中断概率，和每单位距离放置的中继的数量。我们得到的结构的最优政策的纯随你去的方法，以及探索前进的方法。我们也考虑自然的启发式算法，比较。数值算例表明，探索前进的方法显着优于纯随你去的方法。接下来，我们提出了两个学习算法的探索前进的方法，基于随机逼近，渐近收敛到一组最优的政策，而不使用任何知识的无线电传播模型。我们证明了数值的学习算法可以收敛（部署进展）的最优策略的集合相当快，因此，可以是实用的，无模型的算法部署在大区域。
2017-09-07 cs.NI
Fair Throughput Optimization with a Dynamic Network of Drone Relays
本文针对无人机中继网络提出基于极值优化的并行化α-公平部署算法，以低阶多项式时间在线求解三维部署问题，实现用户吞吐量公平性优化，并在真实城市拓扑的静态与动态场景中验证了其有效性。
2022-07-11 cs.NI eess.SP
Backhaul-aware Drone Base Station Placement and Resource Management for FSO-based Drone-assisted Mobile Networks
在无人机辅助的移动网络中，无人机安装的基站（DBS）响应性和灵活性地部署在任何感兴趣的地方（POI），例如零星的热点和受灾地区，其中现有的移动网络基础设施无法提供无线覆盖。在本文中，DBS是一种空中基站，用于中继附近的宏基站（MBS）和用户之间的业务。此外，自由空间光学（FSO）被应用作为回程解决方案，以显著增加MBS和DBS之间的回程链路的容量。大多数现有的DBS放置解决方案假设基于FSO的回程链路提供足够的链路容量，这可能不是真的，特别是当DBS远离MBS放置时（例如，> 10公里）或在恶劣的天气条件下。在本文中，我们制定了一个问题，以联合优化带宽分配和DBS的位置，考虑基于FSO的回程链路容量约束。设计了一种回程带宽全位置和DBS布局算法（BROAD），并通过大量的仿真验证了算法的性能。
2022-11-28 cs.NI eess.SP
Interference Avoidance Position Planning in Dual-hop and Multi-hop UAV Relay Networks
我们考虑无人机（UAV）辅助无线通信采用无人机作为中继节点，以增加一对发射机和接收机之间的吞吐量。我们专注于开发有效的方法来定位无人机在天空中的干扰的存在下，在环境中，它的存在使得问题的非平凡和我们的方法不同于现有技术。我们研究的最优位置规划，其目的是最大化（平均）信号干扰比（SIR）的系统，在存在：i）一个主要干扰源，ii）随机干扰。对于每个场景，我们首先考虑利用一个无人机在双跳中继模式，并确定其最佳位置。之后，多个无人机在多跳中继模式被认为是，我们研究两个新的问题，确定所需的无人机的最佳数量和开发一个最佳的完全分布式位置对准方法。随后，我们提出了一种具有成本效益的方法，同时最大限度地减少无人机的数量，并确定其最佳位置，以保证一定的（平均）SIR的系统。或者，对于给定数量的无人机，我们开发了一个完全分布式的布局算法及其性能保证。数值模拟提供了我们所提出的方法来评估性能。
2020-05-08 cs.NI cs.SY eess.SY
TITAN: Twin-Informed Topology Adaptation for LAWN-enabled D2C Communication
Istanbul Technical University（伊斯坦布尔理工大学）；The Mathworks Inc.（MathWorks公司）；The University of Texas at Arlington（德克萨斯大学阿灵顿分校）；ITU-BTS Digital Twin Application and Research Center（ITU-BTS数字孪生应用与研究中心）；NVIDIA Corporation（英伟达公司）
TITAN通过构建数字孪生和射线追踪建模，利用无人机作为最优D2C中继，提升灾害恢复中的网络覆盖和服务质量。
2026-02-28 cs.NI
Topology Construction Algorithms for DECT NR+ in Normal and Ultra-Dense Deployments
Tampere University（坦佩雷大学）；Wirepas Oy（Wirepas公司）
针对正常与超密集部署下DECT NR+拓扑不稳定问题，提出4种拓扑构建算法，经仿真验证可减少中继数量、降低重关联速率，实现大规模网络高效运行。
2026-10-12 cs.NI
Efficient UAVs Deployment and Resource Allocation in UAV-Relay Assisted Public Safety Networks for Video Transmission
本文研究多无人机辅助公共安全网络中的视频传输问题，通过联合优化观测与中继无人机的位置及带宽、功率等通信资源分配，采用块坐标下降和逐次凸逼近技术提出高效迭代算法，最大化地面用户视频流到达基站的平均效用，仿真证明其优于现有方法。
2024-01-04 cs.NI eess.SP
Energy Efficient IoT Virtualization with Passive Optical Access Network
本文研究了连接到无源光网络（PON）的物联网网络边缘计算平台的能效。我们开发了一个混合整数线性规划（MILP）优化模型，该模型优化了云和虚拟机的位置和数量，并利用节能路由，目标是最大限度地减少总物联网网络和处理功耗。我们的研究结果表明，可以降低功耗，通过巩固这些VM的位置在PON光线路终端（OLT）的情况下，在数据处理后的流量仍然很高，即在低流量减少百分比。另一方面，在高业务减少率下，可以通过将VM放置在较低层节点（中继）中来实现更好的功率效率。我们的研究结果表明，利用PON和服务异构虚拟机可以节省高达19%的总功率。基于MILP模型的见解，启发式开发具有非常可比的MILP启发式功耗值。我们考虑了三种场景，它们代表了同构和异构VM CPU需求的不同级别。在启发式结果（17%的功率节省）和导致19%的功率节省的MILP之间观察到良好的一致性。
2020-04-20 cs.NI eess.SP
Integrating UAV-Enabled Base Stations in 3D Networks: QoS-Aware Joint Fronthaul and Backhaul Design
本文研究3D网络中无人机基站的战略性放置问题，提出凝聚层次聚类算法优化基站位置和遗传算法设计回传连接，有效满足前传覆盖与回传负载需求，提升网络弹性。
2024-04-26 cs.NI
Topology Optimization for Galvanic Coupled Wireless Intra-body Communication
植入人体的传感器和执行器有望实现原位健康监测和个性化医疗的快速发展。我们提出了一种新的范例，这种植入物可以通过一种称为电流耦合的技术进行无线通信，该技术使用微弱的电信号和身体组织的传导特性。虽然电流耦合克服了体内大量吸收RF波的问题，但独特的体内通道提出了关于植入物和外部（即，在皮肤上）数据汇集节点。本文对以下方面做出了第一个贡献：（i）通过使用测量驱动的组织通道模型优化数据汇集点/继电器的位置来构建节能拓扑，以及（ii）平衡整个植入物网络的能耗，以满足应用需求。我们通过两阶段迭代聚类算法实现这一点的植入物，并制定一个优化问题，决定外部数据收集点的位置。我们的理论结果是通过模拟和实验研究验证真实组织，在网络寿命的增加。
2015-12-08 cs.NI
