Federated Learning and Evolutionary Game Model for Fog Federation Formation
本文提出结合演化博弈与联邦学习的联邦雾架构，以稳定雾联盟形成并提升物联网服务质量，同时保护用户数据隐私。
2024-05-02 cs.DC cs.NI
Interference Management in NOMA-based Fog-Radio Access Networks via Joint Scheduling and Power Adaptation
非正交多址接入（NOMA）和雾无线接入网络（FRAN）是5G及以后系统中有希望的候选者。这项工作探讨了在FRAN架构中采用NOMA的好处，限制容量前传。提出了一种基于NOMA的多资源块FRAN下行链路联合调度和功率自适应优化方法。我们考虑一个混合整数优化问题，最大化网络范围内的基于速率的效用函数的前传容量约束，以确定i）用户到RB的分配，ii）分配给每个RB的功率，和iii）在每个RB的NOMA用户的功率分裂水平。本文提出了一个可行的解耦解决方案，这样的非凸优化问题，使用三步混合集中/分布式方法。所提出的解决方案符合FRAN操作，其目的是将网络控制部分地转移到FAP，以便克服由于前传速率约束而导致的延迟。本文提出并比较了两种不同的方法来解决分配问题，即匈牙利方法，和多选择背包方法。另一方面，功率分配和NOMA功率分配优化，使用交替方向乘法器（ADMM）解决。仿真结果表明，所提出的方法相比，不同的基线方案，包括传统的正交多址接入（OMA），不同的效用函数和不同的网络环境的优势。
2019-02-27 cs.NI
Characterizing Task Completion Latencies in Fog Computing
雾计算将计算资源分配到物联网（IoT）设备和云之间的多个位置，正吸引着学术界和工业界的广泛关注。然而，尽管人们对雾计算的潜力感到兴奋，但雾计算架构的属性很少有全面的定量特征。在本文中，我们研究了雾计算中的任务完成延迟的性质。首先，我们提出了我们的经验基准为基础的研究任务完成延迟的结果。该研究涵盖了一系列设置，并独特地考虑了传统和无服务器雾计算执行点。它展示了不同位置的执行点特性的范围以及给定位置的延迟特性的相对稳定性。它还强调了现有雾计算算法中没有包含的无服务器执行的属性。其次，我们提出了一个框架，我们开发的协同优化任务完成质量和延迟，这是我们的实证研究的见解的启发。我们描述雾计算任务分配问题，我们制定了在这个框架下，并提出了我们开发的算法来解决这些问题。
2018-11-06 cs.DC cs.NI
Social-aware Cooperative Caching in Fog Radio Access Networks
研究了雾天无线接入网中的协作缓存问题，以联合优化传输时延和能耗。利用雾接入点（F-AP）之间潜在的社会关系，提出了一种基于享乐联盟博弈（HCG）的分簇方案，以提高潜在的合作增益.然后，考虑到优化问题是非确定性多项式难（NP-hard）问题，提出了一种基于改进萤火虫算法（FA）的协同缓存方案，该方案利用基于局部内容流行度的变异策略避免早熟收敛.仿真结果表明，我们提出的方案可以有效地减少内容传输延迟和能量消耗相比，基线。
2022-06-28 cs.NI eess.SP
Offloading Content with Self-organizing Mobile Fogs
城市环境中的移动用户从不同位置访问互联网上的内容。对于当前的服务提供商来说，应对来自大量并置移动用户的不断增长的内容需求是具有挑战性的。网络内缓存在更接近用户的节点上卸载内容缓解了这个问题，尽管需要有效的缓存管理来找出谁应该在城市环境中缓存什么，何时何地，给定节点有限的计算，通信和缓存资源。为了解决这个问题，我们首先定义了一个新的内容流行度和网络中的可用性之间的关系，并调查一个节点的资格缓存内容的基础上，其城市的可达性。然后，我们允许节点自组织成移动雾，以增加分布式缓存，并以具有成本效益的方式最大限度地提高内容的可用性。然而，为了迎合理性的节点，我们提出了一个联盟游戏的节点提供一个最大的“虚拟缓存”假设货币奖励支付给他们的服务/内容提供方。节点被允许合并到不同的时空联盟，以增加在网络边缘的分布式缓存大小。通过模拟使用现实的城市流动性跟踪得到的结果验证我们的缓存系统的性能，显示缓存命中率为60-85%相比，现有的计划和10%的情况下，没有联盟的30-40%。
2017-07-19 cs.NI
MOFCO: Mobility- and Migration-Aware Task Offloading in Three-Layer Fog Computing Environments
针对三层雾计算中UE移动性导致服务迁移代价高的问题，提出MOFCO算法，将任务卸载与资源分配建模为MINLP问题并用启发式辅助演化博弈论求解，使系统成本平均降低19%，最高达43%。
2025-07-16 cs.AR cs.DC cs.NI
Dynamic Network Slicing for Scalable Fog Computing Systems with Energy Harvesting
本文研究了雾计算系统，在该系统中，云数据中心可以通过部署在广阔地理区域的大量雾节点来补充。每个节点依靠从周围环境中收集的能量为本地用户提供计算服务。我们提出了动态网络切片的概念，其中区域协调器协调本地雾节点之间的工作负载分布，提供分区/切片的能量和计算资源，以支持特定类型的服务，具有一定的服务质量（QoS）保证。分配给每个切片的资源可以根据服务需求和能量可用性进行动态调整。提出了一种随机重叠联盟形成博弈模型，研究了随机波动的能量收集和负载到达过程下fog节点之间的分布式合作和联合网络切片.我们观察到，雾计算网络的整体处理能力，可以提高通过允许雾节点，以保持一个信念函数的未知状态和其他节点的私人信息。提出了一种基于信念-状态部分可观测马尔可夫决策过程（B-POMDP）的最优资源切片算法。我们描述了如何实现我们提出的动态网络切片内的3GPP网络共享架构，并评估我们提出的框架的性能，使用一个真正的蜂窝系统的实际BS位置数据，超过200个BS部署在都柏林市。我们的数值结果表明，我们的框架可以显着提高雾计算网络的工作负载处理能力。特别是，即使每个雾节点只能与其最近的邻居协调，在某些情况下，雾节点处理的工作负载总量几乎可以增加一倍。
2020-01-28 cs.DC cs.NI eess.SP
Joint Computing Resource Allocation and Task Offloading in Vehicular Fog Computing Systems Under Asymmetric Information
针对车辆雾计算中信息不对称、资源有限及任务卸载效率低的问题，提出融合RSU与雾车辆能力的分层架构，设计基于凸优化、契约理论和匹配博弈的联合资源分配与任务卸载方法，有效提升系统多方面性能。
2025-10-30 cs.NI
Proactive Edge Computing in Latency-Constrained Fog Networks
本文研究了延迟和可靠性约束下雾网络中计算任务的分发和主动缓存问题。在所提出的场景中，计算可以在用户设备本地执行，也可以卸载到边缘云。此外，小云通过主动缓存流行的任务计算结果来利用其计算和存储能力，以最小化计算延迟。为此，提出了一种用于对具有相互任务流行度兴趣的空间上接近的用户设备及其服务微云进行分组的聚类方法。然后，cloudlet可以主动缓存其集群成员的流行任务的计算，以最大限度地减少计算延迟。此外，将任务分配到云的问题公式化为匹配博弈，其中在延迟和可靠性约束下最小化计算延迟的成本函数。仿真结果表明，该方案保证了可靠的计算与有限的延迟，并实现了高达91%的计算延迟相比，基线计划减少。
2017-04-26 cs.DC cs.IT cs.NI
Optimal Distributed Channel Assignment in D2D Networks Using Learning in Noisy Potential Games
我们提出了一种新的解决方案，在设备到设备（D2D）无线网络中的信道分配问题（CAP），考虑到吞吐量估计噪声。CAP在文献中被认为是NP难的，并且没有考虑估计噪声的实用最优学习算法。在本文中，我们首先制定CAP作为一个随机优化问题，以最大限度地提高预期的总和数据率。为了捕捉估计噪声，CAP被建模为一个嘈杂的潜在的游戏，本文介绍了一个新的概念。然后，我们提出了一个分布式的二进制对数线性学习算法（BLLA），收敛到最佳的信道分配。对于有界和无界噪声，证明了BLLA的收敛性。给出了BLLA定温和降温参数的证明。给出了保证收敛到最优状态的足够数量的估计样本。我们评估BLLA的性能进行了大量的模拟，结果表明，总和数据率的信道和用户的数量增加。与较好的响应算法相反，该算法即使在存在估计噪声的情况下也能分布式地实现最优信道分配。
2017-01-17 cs.GT cs.IT cs.NI
Fog Computing Systems: State of the Art, Research Issues and Future Trends, with a Focus on Resilience
未来的许多创新计算服务将使用与物联网（IoT）资源集成的雾计算系统（FCS）。这些新服务建立在多种不同技术的融合之上，需要实现时间敏感的功能，提供与其环境的不同程度的集成，并整合数据存储、计算、通信、传感和控制。然而，在这种系统被认为适合于目的之前，还有一些重要的问题需要解决。这些资源受限系统的高度异质性、复杂性和动态性给其稳健可靠的运行带来了新的挑战，这意味着需要采取综合的弹性管理策略。本文综述了相关领域的研究现状，并讨论了正在出现的研究问题和未来趋势。我们设想未来的应用程序具有非常严格的要求，特别是高精度的延迟和大量流之间的同步，其中FCS是支持它们的关键。因此，我们希望为物联网设备、边缘计算机服务器和无线传感器网络形成的弹性FCS的设计和管理提供新的见解;这些系统可以使用博弈论建模，并使用最新的软件和虚拟化平台灵活编程。
2020-07-17 cs.CR cs.NI cs.SY
Joint Task Offloading and Resource Allocation in Aerial-Terrestrial UAV Networks with Edge and Fog Computing for Post-Disaster Rescue
针对灾后救援场景下无人机计算与续航资源不足的问题，提出结合MEC与VFC的三层计算架构及MVTORA方法，有效提升系统效用。
2023-10-06 cs.GT cs.NI eess.SP
Green Broadcast Transmission in Cellular Networks: A Game Theoretic Approach
本文研究了多小区广播传输中的移动台分配问题，通过同时考虑传输功率和操作功率，寻求最小的总功耗。虽然问题的大规模性质需要找到分布式的解决方案，博弈论似乎是一个自然的工具。我们提出了一种新的分布式算法，称为\textit{the hedonic decision algorithm}的基础上形成的游戏。这种形式主义是建设性的：引入了一类新的群体形成博弈，其中群体内参与者的效用是可分离的并且是对称的，是奇偶联系博弈的广义版本。所提出的特征决策算法也适用于任何集合覆盖问题。为了评估我们的算法的性能，我们提出了其他方法，我们的算法进行比较。我们首先开发了一个集中的递归算法称为\textit{the hold minimum}能够找到最佳的分配。然而，由于移动分配问题的NP-难的复杂性，我们提出了一个集中的多项式时间启发式算法称为\textit{the column control}生产接近最优的解决方案时，考虑到基站的运营功率成本。从这个有效的集中式方法，一个\textit{distributed column control algorithm}也提出了和比较\textit{the hedonic decision algorithm}。我们还实现了最近的基站算法，这是非常简单和直观的，有效地管理快速移动的宏基站服务的用户。广泛的仿真结果，并突出这些算法的相对性能。模拟的情况下，根据泊松点…
2014-08-03 cs.GT cs.NI
A Comprehensive Survey of Potential Game Approaches to Wireless Networks
势博弈是一类非合作博弈，其中单边改进动态在许多实际情况下保证收敛。势博弈方法已被广泛应用于无线网络问题，特别是各种信道分配问题。本文介绍了势博弈的性质，并对无线网络中已被证明为势博弈的博弈进行了全面的讨论。
2015-06-26 cs.GT cs.NI
Digital Twin-Empowered Task Assignment in Aerial MEC Network: A Resource Coalition Cooperation Approach with Generative Model
Guilin University of Electronic Technology（桂林电子科技大学）；Guangxi University（广西大学）；National Engineering Laboratory for Comprehensive Transportation Big Data Application Technology (Guangxi)（综合交通大数据应用技术国家工程实验室（广西））；Guangdong University of Technology（广东工业大学）
针对空中MEC网络动态任务分配中的资源互斥与基础设施受限问题，提出数字孪生驱动的生成模型资源联盟合作框架，并通过TU联盟博弈获得近似最优分配。
2024-10-26 cs.AI 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
Sub-channel Assignment, Power Allocation and User Scheduling for Non-Orthogonal Multiple Access Networks
在本文中，我们研究的资源分配和用户调度问题的下行链路非正交多址接入网络中的基站分配频谱和功率资源的一组用户。我们的目标是联合优化的子信道分配和功率分配，以最大限度地提高加权总速率，同时考虑用户的公平性。我们制定的子信道分配问题，相当于一个多对多的双边用户子信道匹配游戏中的用户和子信道被认为是两套球员追求自己的利益。然后，我们提出了一个匹配算法，收敛到双边交换稳定匹配后，有限的迭代次数。因此，提供了一种联合解决方案来迭代地解决子信道分配和功率分配问题。仿真结果表明，所提出的算法大大优于正交多址接入方案和以前的非正交多址接入方案。
2016-08-30 cs.IT cs.NI math.IT
