基于深度强化学习的超密集网络中多用户上行功率控制方法

针对超密集网络中由于用户数量多、相互距离近,通信过程中彼此之间干扰大,导致频谱利用率不高的问题,建立了通过优化控制发射功率同时提升系统信息容量和满足服务质量的用户数量的优化问题. 由于该问题非凸且功率控制为离散变量,将其建模为马尔科夫决策过程. 在此基础上,提出了基于深度强化学习的功率控制算法,并设计了相应的动作空间、状态空间及奖励函数. 仿真结果表明,所提算法与最大发射功率策略和随机发射功率策略相比,分别提高了至少15.9%的信息容量和至少10.7%的用户服务质量满足率. 与不考虑用户服务质量满足率提升的算法相比,所提算法通过适当降低信息容量,提升了用户服务质量满足率.     

基于网络切片的高频谱效率无线资源管理

为满足差异化业务场景下不同类型用户的服务质量需求,构建了基于网络切片的无线资源分配模型.为获得最佳资源调度方案,将用户服务质量需求转化为无线资源需求,以系统总速率最大化为目标,构建网络资源管理和分配机理及其优化问题.该优化问题为混合整数非线性规划,直接求解复杂度较高,因此提出了基于拉格朗日对偶理论的解决方案,并给出求解算法.通过与比例公平算法和最大系统容量算法进行对比及仿真分析,证明了所提算法在牺牲了部分公平性的前提下提高了系统容量,并验证了所提算法的有效性.     

电力系统优化规划可靠性分析的概率流法

本文介绍的方法是用于电力系统优化规划可靠性分析的一种新方法.该方法把各发电容量和输电容量作为随机变量,以具有概率弧容量的混合型网络流图作为系统模型,通过最大可行流和广义最小割的分析,获得某些定量指标,借此描述系统的可靠性水平;指出系统的薄弱环节,为系统优化规划提供了科学依据.由于采用了状态空间分解和蒙特卡洛模拟相结合的处理方法,计算效率显著提高,并使复杂电力系统可靠性定量计算在计算机上得以实现。     

并行网络控制系统服务质量管理

为解决网络控制系统因并行而导致的时延增大问题,协调并行控制效率与信息通信负荷,建立了网络控制系统并行化体系结构、质量衡量标准和服务质量管理模型.提出了基于控制器闲置时间的最大闲置时间最先(MvTF)的消息调度策略.以基于CAN总线的并行网络控制系统服务质量管理为例,建立了服务质量管理仿真模型,并将上述调度策略与单调速率调度策略进行了仿真比较.仿真结果表明,采用MVTF调度策略进行并行系统的服务质量管理能够有效提高网络控制系统的控制性能及网络利用率.     

基于二分图最大赋权匹配的网络编码中继选择

针对多用户多中继场景,为了进一步提升系统的吞吐量,需要为用户选择合适的中继协助其传输. 考虑到多址网络编码中继的中继选择问题是一个复杂的优化问题,为了降低其求解复杂度,将中继网络建模为带权二分图,中继选择最优解即转化为图论中求二分图最大赋权匹配问题. 分别将Kuhn和Munkres（KM）算法和贪婪算法应用于多址接入中继网络的中继选择,蒙特卡洛仿真结果表明,KM算法求解的遍历容量略高于贪婪算法.     

基于博弈论的WiFi接入资源动态分配算法

无线共享网络的接入资源分散,容量有限,且价格互有差异,为了在保证用户满意度的同时提高运营商总体收益,需要对网络接入资源进行合理分配.因此,提出了一个基于博弈论的WiFi接入资源动态分配算法.首先,以总收益最大化为目标,兼顾用户满意度,建立基于斯塔克尔伯格博弈的网络接入资源动态分配模型;其次,通过两阶段博弈,运营商制定价格策略,激励用户执行网络选择策略,提出基于粒子群算法的网络资源动态分配求解算法,得出最优的网络价格及资源分配.仿真实验表明,算法能够实现接入资源的合理分配,在用户满意的同时实现运营商收益最大化.     

中继网络Max-Min和Min-Max公平性的功率分配

为了满足用户的公平性要求,研究了无线非再生中继网络中,基于多用户服务质量(QoS)保证的功率分配策略.首先在总功率受限条件下,提出了最小化最大( min-max)用户中断概率的功率分配方案;然后在中断概率和总功率受限条件下,提出了最大化最小(max-min )用户速率的功率分配方案.上述功率分配问题可转化为几何优化(GP)问题进行求解.仿真结果表明,所提功率分配策略能有效满足用户间的QoS要求.     

基于时延和能耗的SD-DCN的路由优化算法

为了更好地实现数据中心网络的节能,基于交换机链路速率级的能耗特点,基于软件定义网络技术,提出一种Floyd-Warshall动态规划和局部重路由的节能服务质量路由优化算法.控制器在保障流的时延性能前提下,采用流在空间和时间上均衡传输的策略,依次为每个流计算传输路径和传输速率;在选路失败的情况下,尽量用较少的开销提高网络的接受率.仿真结果表明,该算法有效地降低了能耗,同时提高了网络流的接受率.     

矢量广播信道下CDMA和TDMA信道容量的比较

对矢量广播信道下TDMA(time division multiple access)系统和CDMA(code division multiple access)系统的速率和容量(sum rate capacity)进行了研究。在TDMA系统中,每一时刻基站只能向一个用户发送信号,而CDMA则可以同时向所有的用户发送信号。对于TDMA系统,当信道是标量时,它可以达到速率和容量,而当基站带有多根天线时,TDMA的速率和容量就不是最优的。经过详细的分析,推导出了CDMA 系统在矢量广播信道下速率和容量的上界以及TDMA系统在矢量广播信道下速率和容量的下界。通过2个界的比较表明,在矢量广播信道下CDMA系统速率和最多是TDMA系统的min(M,K)倍,其中M是发射天线的数目,K是系统中的用户数目。     

综合上下行链路的无线能量收集协作网络资源分配

为了提高和平衡时分双工系统上下行链路之间的能效，在无线能量收集(EH)协作网络中开展节能资源分配算法研究.建立考虑无线能量收集、频谱共享、系统功率受限的协作网络模型；基于所建模型，形成综合上下行链路、功率约束、带宽约束和上下行速率匹配的优化问题，分别优化系统的绿色能效和传统能效.对优化问题进行数学分析，得到资源分配的最优解，即源节点、中继节点和目的节点的最优发射功率，上下行链路最优的带宽分配，能量收集节点最优的功率分割以及最优的系统能效；归纳得到分别基于系统绿色能效最大化和基于系统能效最大化的资源分配算法.对所建模型与所得资源分配算法开展蒙特卡洛仿真分析，将所得算法与文献算法进行对比.仿真结果表明，通过综合优化系统上下行链路的资源分配，所得算法有效提升了绿色能效和传统能效.     

Edge offloading strategy for the multi-base station game in ultra-dense networks

Mobile edge computing provides powerful computing capabilities for the wireless network to enrich the user experience.However,in the current mobile edge computing network,the problems of small coverage density and hotspot overload of the central node should be skillfully overcome.The combination of the ultra-dense network and mobile edge computing can provide a feasible solution for addressing the above problems.A distributed edge computing architecture for ultra-dense networks is designed,and a multi-base station game offloading algorithm is proposed to minimize the system overhead.In the proposed algorithm,the lagrange multiplier method is used to solve the problem of computing resource allocation,and then the matching game theory is exploited to obtain the optimal offloading strategy,so that the mutual benefits of both users and mobile edge computing servers are maximized.Simulation results show that compared with the random and greedy offloading algorithms,the proposed algorithm achieves a significant reduction in the system overhead,with the average overhead saving being up to 28.66%.     

基于最大独立链路集的随机虚拟网络映射算法

提出了一种基于最大独立链路集的快速随机虚拟网络映射算法. 基于图论中的匹配理论重新定义了带权图中匹配的概念,并命名为独立链路集,在映射独立链路集中的虚拟链路时首先将物理链路按照资源可用性进行筛选,然后随机映射到单一物理链路上,以此提高虚拟网络映射成功率及减少链路映射消耗,同时随机映射能保证物理网络的负载均衡. 仿真实验表明,该算法能有效减少链路映射的消耗和提高虚拟网络接受率.     

基于跨视图对比学习的知识感知推荐系统

知识感知推荐(KGR)领域普遍存在监督信号稀疏问题,为了解决这个问题,对比学习方法被越来越广泛地应用于KGR。但是,过去基于对比学习的KGR模型仍存在一些问题:(1)使用图卷积对所有邻居节点直接聚合,无法排除知识图谱中不必要邻居节点信息的干扰；(2)只关注全局视图的信息,忽略了局部特征,这会导致过平滑问题。为了解决以上问题,提出一种基于跨视图对比学习的知识感知推荐系统(KRSCCL)。KRSCCL使用关系图注意力网络构建包含用户、物品和实体节点的全局视图；使用轻量级图卷积网络构建包含用户和物品节点的局部视图,强调局部特征,有效地缓解过平滑问题。最后,在构建的两个视图的图内和图间节点对之间进行对比学习,以充分提取KG信号,优化用户和物品表示。论文方法在三个不同领域的公开数据集上进行了大量实验,实验结果表明:关系图注意力网络可以有效排除复杂网络聚合时的噪声问题；引入局部视图可以优化节点表示生成,缓解过平滑问题；KRSCCL模型在这三个数据集上都表现良好,在电影领域数据集Movielens-1M上,其推荐的F1分数较最强基线提升2.0%；在音乐领域数据集Last.FM上,其推荐的F1分数较最强基线提升0.3%；在书籍领域数据集Book-crossing上,其推荐的F1分数较最强基线提升5.1%。证明了论文方法的有效性。     

基于特征点匹配对平面相似度的图像拼接

针对来自于不同视点拍摄的具有视差的两幅图像,提出了一种基于特征点匹配对平面相似性的图像拼接方法。该方法利用场景中属于同一平面特征点之间的变换矩阵一致性的特点,通过定义特征点匹配对之间的平面相似度来筛选特征点匹配对,有效降低了特征点的漏匹配率,提高了配准精度。采用图割算法计算图像的最优缝合线,进行拼接得到最终结果。实验结果表明,与现有经典算法相比,该方法具有较好的视差鲁棒性。     

基于匹配的遥感影像自动纠正方法研究

针对多源遥感影像人工几何纠正方法存在精度差、效率低等问题，提出了一套新的基于匹配技术的自动纠正算法流程.该流程基于仿射变换对待纠正影像和已地理编码的参考影像进行粗配准.在利用Harris算子从两幅图像中分别提取特征点的基础上，通过由特征点和小波影像金字塔引导的从粗到精的匹配策略获得控制点对，再利用多项式拟合迭代法剔除错误点对.在获得大量的高精度控制点对后，利用不规则三角网(TIN)仿射变换法对影像进行纠正，并对杭州地区多源遥感影像进行纠正试验.结果表明,使用该方法选取的控制点均方根误差(RMSE)可以控制在0.5个像素以内.     

基于联赛评价和知识提取的交互式遗传算法

交互式遗传算法基于用户评价获得进化个体适应值,是解决性能指标难以(无法)显式描述的复杂优化问题的有效方法.为有效解决交互式遗传算法的用户疲劳问题,提高算法的整体性能,提出了一种基于有向图提取进化知识的高性能交互式遗传算法.首先,基于进化种群构造联赛评价对,并确定进化个体的占优关系;然后,建立有向图,利用有向图节点的出度和入度计算进化个体适应值,并确定优势个体和建筑块;最后,基于建筑块生成新个体,参与种群后续进化.在服装进化设计系统中的应用结果表明,本文算法可有效减轻用户疲劳,提高算法的搜索能力.     

Optimization algorithm for dynamic spectrum access based on Q-learning in cognitive radio networks

Under the centralized cognitive radio network architecture, considering the network performance and users' demands. We propose an optimized dynamic spectrum access algorithm based on Q-learning. The proposed algorithm has two steps, which consist of user request according to Q-learning and the application process according to the overall system performance. Simulation results show that the proposed scheme can improve the overall system performance obviously, and that the user requirements could be satisfied at the same time.     

基于表象式语义网络的图匹配算法

提出了一种在表象式语义网络中的查找方法,表象式语义网络问题的求解一般都是通过图匹配实现的,首先根据待求解的问题的要求构造一个带变量节点的语义网络,然后与计算机视觉系统中己存储的语义网络进行图匹配。当语义网络中的询问部分与系统中的语义网络图匹配后,则与询问部分匹配的事实就是问题的解。图匹配问题可以通过构造一个图的附属数据结构来完成,这个附属数据结构也称为相连图(association graph),对于两个图G=(V,A)以及G′=(V′,A′),构造相联图G″=(V″,A″),也就是说,V″是所有可能节点匹配对的集合,A″是所有相容节点匹配的集合。这相当于在相联图中寻求一个最大的基团(clique),其中基团定义为G″的完全连通的一个子图。最大基团满足其节点集合不是任何其他基团节点集的适当子集。     

密集网络下基于Self-Backhaul感知的用户接入负载均衡算法

针对密集异构网络自回程场景中带宽分配不合理引起的负载不均衡问题,提出一种基于self-backhaul感知的用户接入负载均衡方案.首先根据密集异构网络下各个小基站接入与回程资源的负载状态提出一种用户接入负载均衡策略;其次利用Q-Learning算法对各个小基站带内无线接入与回程带宽分配进行学习,用户在不同带宽分配因子下,根据用户接入负载均衡策略进行重新接入,得到不同接入情况下的系统效用,进而得到最优带宽分配策略,保证负载均衡性的同时实现系统效用最大化.仿真结果表明,该方案在密集异构网络自回程场景中提高了网络负载均衡性,同时提升了用户速率体验.     

融合文本信息的轻量级图卷积网络推荐模型

在基于图卷积网络的推荐模型中,图卷积对仅包含编号信息的输入节点进行信息聚合会引发严重的瓶颈问题,影响推荐精度.为缓解此问题,考虑通过辅助信息丰富节点特征,提出了一种融合文本信息的轻量级图卷积网络推荐模型.模型把卷积神经网络提取出文本评论特征添加到图的节点嵌入中.为了简化图卷积网络结构,采用轻量级图卷积框架将融合的特征信息在用户-电影项目图上线性传播来学习用户和电影项目的嵌入,并将所有图卷积子层上特征嵌入的加权总和作为最终特征输出,用于预测评分.3个实际数据集上的实验结果表明,该方法可以缓解信息聚合瓶颈问题,提高推荐的准确度,并且模型可以缓解推荐中的冷启动问题.