认知网络中基于纳什议价解的功率控制方法

本文基于合作博弈论中的纳什议价博弈理论,研究了认知无线电网络中的功率控制问题。提出一种基于信干扰比(Signal-to-Interference plus Noise Ratio, SINR)的效用函数模型,按照纳什定理基于该模型的合作功率控制算法获得的纳什议价解(Nash Bargaining Solution, NBS)可以保证整个系统的帕雷托最优性,同时通过证明纳什议价解实质是比例公平性的一般形式从而保证用户之间的公平性。在主要用户干扰温度限和认知用户的最大传输功率等限制条件下,按照纳什定理把基于NBS的功率控制问题转化为求解多重限制条件下的最优化问题,通过引入拉氏乘子求解该问题有效获得了各个认知用户的传输功率水平,实现SINR门限的要求。仿真结果表明本文算法有较快的收敛速度,同时较非合作算法相比可以有效改善认知用户之间的公平性和系统的整体性能。     

基于效用的资源适配机制公平性研究

将纳什交易问题解决方案(NBS)应用到无线网络的资源分配,提出了基于效用的公平分配方案,并通过示例说明了此方案优于原来采用相等效用值的公平方案。本文还提出了上述方案的分布式模型,通过适当的计费机制使所有用户独立地寻求自身净效用最大化,而最终导致网络总效用的最大化。     

网格服务组合任务调度的合作博弈模型

针对网格服务组合的任务调度问题,基于其系统模型分析了系统模型中服务容器之间存在的合作博弈,给出了唯一纳什讨价还价解的存在性定理,并设计了求取该解的优化算法.实验结果表明,模型和算法的实验效果优于基于节点能力均分的调度算法.     

认知无线电中的功率和频谱联合分配算法

在认知用户传输功率受限的情况下,分析了瑞利衰落模型下的认知用户效用及其优化过程,提出了基于注水线不断调整的认知用户功率分配及通信效用计算算法.将该算法应用到认知无线电频谱分配中,进而提出了一种基于信道二分法的认知无线电频谱分配机制,以此得到了不同优化模型下的用户效用.仿真表明,基于比例公平的优化模型在获得较高效用的同时...     

基于博弈论的多机器人任务分配算法

为了寻找一种合理有效的多机器人任务分配算法,基于多机器人协作救火任务环境,以博弈论纳什均衡为基础,研究多机器人的任务分配问题。根据任务模型特点和纳什均衡的主要特征提出了一种基于博弈论的任务分配算法。博弈的效用函数同时考虑了距离、火势和燃烧时间等因素,机器人根据此效用函数选择行为策略,促使机器人尽快扑灭惩罚值较大的火灾而获得较大的奖励值。利用任务总收益函数值的大小评价算法的优劣性。收益函数与火势、燃烧时间和机器人扑灭火灾数有关,这切合实际救火模型。实验结果证明了该任务分配算法的有效性。     

基于网络编码的用户协作博弈资源分配算法

在正交频分多址接入两用户协作中继系统中,为进一步提高协作系统的吞吐量,提出在协作节点处运用网络编码(NC)进行全双工协作通信的传输方案. 同时,引入纳什议价均衡(NBS)博弈,考虑协作用户吞吐量均衡,设计了双层纳什议价均衡(DL_NBS)博弈来协调用户对间的子载波和功率分配. 仿真结果表明,基于NC协作系统方案的吞吐量比普通协作传输模式提高约491%,比直传模式提高约464%;DL_NBS博弈资源分配方案与传统资源分配算法相比,不仅更适用于分布式用户协作场景,且能取得公平性和有效性的折中.     

超密集网络中非合作博弈的功率分配算法

为了抑制超密集网络中小小区基站的密集化部署带来的干扰,并提高系统的吞吐量,本文研究了频谱共享超密集网络中的功率分配策略.首先,针对非凸的系统和速率最大化问题,采用非合作博弈模型将其转化为每个用户效益函数最大化的凸子问题,并通过设计一种动态定价使得非合作博弈模型的纳什均衡点（NE）是原优化问题的驻点.其次,为了保证宏小区用户的服务质量（QoS）,模型中引入了干扰功率约束条件来抑制宏小区受到的干扰.最后,在此非合作博弈论框架下,设计了一种迭代式的基于全局信息的功率分配算法.每次迭代通过求解KKT条件获得每个用户的最优发射功率,通过理论推导证明了迭代算法可收敛到博弈模型的NE.此外,为了减少迭代算法的信令开销、提高资源利用率,还提出了一种基于局部信息的功率分配算法.仿真结果表明,所提出的基于全局信息的功率分配算法比对比方法具有更好的传输性能,所提出的基于局部信息的功率分配算法在保证较好的传输性能的前提下有效地减少了信令开销.     

Two-layered game-theoretic based resource allocation in femtocell networks

In orthogonal frequency division multiple access(OFDMA) based femtocell networks, to improve the spectrum efficiency and avoid the interference from the femtocell user equipment(FUE) to macrocell user equipment(MUE) and other femtocell users equipments(FUEs), the joint power control and subcarrier selection distributed algorithm is proposed. In the framework of the two-layered game, the proposed distributed algorithm, which is based on the pricing mechanism and the dynamic replication scheme, can effectively suppress the interference from the FUE to other users and select the optimal subcarrier by the alternate iterations of the non-cooperative game and evolutionary game. Simulation results show that the proposed algorithm can converge to the Nash equilibrium(NE) of the two-layered game.     

WLAN中基于协作博弈的比例公平性带宽分配机制

在IEEE 802.11无线局网(WLAN)中,从协作博弈论的角度提出一种按用户流权重成比例(比例公平性)的带宽分配方案．通过建立用户流基于吞吐量的效用函数,将比例公平性的带宽分配过程建模为以整体效用最大化为前提,以个体效用最大化为目的的用户流之间的协作博弈．依据此博弈的纳什议价解(即用户流获取比例公平性带宽份额的最优信道竞争参数CW_min),提出了带宽分配方案PF-DCF．仿真结果表明,与802.11e EDCA相比,PF-DCF不仅有效的解决了低权重用户流无法获取系统带宽的问题,而且将WLAN在饱和状态下的吞吐量提高15％．     

OFDMA网络比例公平性的中继资源分配

在中继协作正交频分多址（OFDMA/Relay）系统中,应用协作博弈论提出一种比例公平性的多用户中继资源（子载波和功率）分配方案.定义了用户基于比特传输速率的效用函数,并建立中继资源分配的协作博弈模型.求解此博弈的纳什议价解（NBS）具有较高的计算复杂度,为此,提出一种快速子载波与功率联合分配算法,即：先进行固定发射功率的最优子载波分配,再进行最优的发射功率分配,最终通过上述迭代方式获得联合资源分配的NBS.仿真试验表明：与已有的OFDMA/Relay系统资源分配算法相比,所提出的NBS求解算法能够在提高系统频谱资源利用率的同时,对用户进行更为公平的中继资源分配.     

认知无线网中基于队列博弈的频谱选择算法

针对认知无线网络中分布式分组数据自适应传输问题,提出了一种新的基于队列博弈的频谱选择算法.该算法将数据传输问题建模成频谱选择的潜在博弈,考虑主用户占用频谱的影响,利用排队理论分析并构建用户效用函数,通过自主调整频谱选择策略实现频谱分配及跨层优化传输时延、分组损失率.仿真对比表明,所提出的算法存在纳什均衡,更有效地降低了分组传输时延及数据损失率,更加快速地收敛到策略均衡点,且具有更小的复杂度.     

认知D2D通信中基于博弈论的动态频谱分配方案

提出了一种新的基于非合作博弈的动态频谱分配方案,考虑多个蜂窝用户服务中心和具有认知能力的设备到设备(D2D)通信用户组,利用伯川德(Bertrand)博弈理论来解决用户频谱分配问题,分别对D2D对用户组和蜂窝用户服务中心的效用函数进行了改进,并给出了蜂窝用户服务中心的最优定价和D2D对用户组的动态价格调整策略,进一步证明了纳什均衡解的存在性和算法的收敛性.通过仿真实验,分析了不同蜂窝用户数和学习因子对所提出方案性能的影响.与现有结果进行比较显示,新方案在频谱利用率和系统公平性方面均有改进.     

定价机制下认知无线电网络频谱接入算法

为了研究认知无线电网络中认知用户频谱接入的决策问题,将认知用户的频谱接入过程视为非合作博弈过程,并考虑到授权用户享有频谱的优先使用权,基于带有服务台故障的M/G/1排队理论建立了系统模型,分析了认知用户个体最优接入策略和社会最优接入策略,并在此基础上提出定价机制使认知用户追求个体利益最大化的目标与社会目标一致,实现社会福利最大化.实验结果表明,基于定价机制的频谱接入策略可以使频谱资源得到相对的优化配置,满足社会整体利益需求.     

基于广义纳什议价理论的分布式储能双层共享运行优化

提出了一种多社区分布式储能双层共享运行策略。首先，阐述了分布式储能的双层共享模式，包括上层用户侧储能共享和下层社区间储能共享。其次，基于广义纳什议价理论建立了多社区合作运行模型，并将该合作模型分解为合作联盟成本最小化与合作联盟收益分配。然后，利用改进交替方向乘子法求解合作联盟成本最小化问题，并基于广义纳什议价理论计算各参与者的贡献度，求解合作联盟的收益分配问题。最后，通过算例分析证明了所提出模型的有效性和实用性。     

WRAN多小区上行链路信道与功率的联合分配

首先分析了无线区域网中无线麦克风与认知用户之间的共存问题,建立了新的无线麦克风与认知用户之间的共存模型．在此基础上,将无线区域网中多小区上行链路的信道和功率联合分配建模为势博弈,建立了每个认知用户的效用函数和系统的效用函数,并给出了数学证明．算法在执行过程中,各认知用户依据最优反应原则更新自己的策略．相比暴力搜索算法,该算法的复杂度很低．仿真结果验证了该算法的收敛性和正确性．     

分布式网络中采用图型博弈的动态频谱接入

针对分布式无线网络中用户关系拓扑结构的任意性和复杂性带来的维灾问题,提出了一种基于图型博弈的动态频谱接入算法.利用环境信息的非对称性把频谱接入问题抽象为图型博弈模型,并用模型中的图型拓扑表示现实环境中博弈的内在结构;以最小化个人后悔值代替最小化系统后悔值来求解纯策略纳什均衡点.与现有算法比较,该算法能有效降低运算复杂度,满足通信中实时性的要求.仿真结果表明,该算法能快速收敛到无冲突的纯策略纳什均衡,提高了系统容量和功率利用率,在资源匮乏时优势明显.     

基于动态古诺博弈的认知无线电频谱贸易算法

为解决认知无线电频谱分配问题,提出了一种新的基于动态古诺博弈的频谱租借贸易算法。该算法考虑认知无线网络中频谱租借市场容量及次用户频谱价值两者均动态变化的特点,将用户之间的频谱租借贸易建模成动态古诺博弈,同时根据用户之间的频谱供需关系动态调整用户贸易的频谱价格及收益,促使每阶段用户效用最大化并达到频谱分配的目的。分析了频谱供需关系变化对贸易的影响,并通过仿真证明了该算法相比于静态古诺博弈模型能达到更高的频谱利用率。     

非均匀多信道Ad Hoc网络信道选择方法

提出了一种基于混合博弈的Ad hoc网络多信道选择算法,以最大化每个节点吞吐量为目标,研究了在多个信道速率不同的情况下节点对接入信道的选择问题. 首先通过建立饱和吞吐量模型来量化节点选择不同信道所获得的收益,然后利用混合博弈纳什均衡理论分析不同用户数时的信道选择策略,并提出一种混合策略信道选择算法,以最大化每个节点的吞吐量,同时保证了信道分配的公平性. 仿真结果表明,该算法能较大地提高系统吞吐量,在多用户竞争情况下,与随机选择和共享信道等策略相比,吞吐量至少提高了15%.     

基于非合作博弈的中继网络分布式资源分配

提出一种可应用于正交频分复用多址(OFDMA)中继网络的分布式资源分配算法. 基于将模型描述为基站与中继的非合作功率分配博弈(RNCPAG), 设计出2种效用函数, 并以最大化效用函数为准则, 证明在总功率受限的约束下, 该算法存在并收敛于唯一的纳什均衡点. 研究表明, 同传统的平均功率分配算法相比, 分布式博弈算法以牺牲少量的迭代步数为代价, 获得更高的系统容量和资源效率.     

无线AdHoc网络中一种基于演化博弈的信道接入机制

针对多个有限理性用户接入多个信道的无线Ad hoc网络中,如何实现系统容量最大化问题,提出了一种基于演化博弈的信道接入机制。在该机制中,为了确保用户以分布式的行为方式实现系统容量最大化,推导并定义了一种新的收益函数,并在此基础上设计了一种能以较快的速度收敛到Nash均衡解的动态信道接入算法和与之对应的动态方程。理论分析和仿真结果表明,所提出的收益函数能在基于博弈的框架下实现系统容量最大化,且与之对应的动态方程具有全局逐步稳定性,当用户发生局部的理性偏移时能保证较快收敛和较小性能偏离。