异构蜂窝网络中QoS感知的负载平衡方案设计

鉴于异构蜂窝网络（Heterogeneous cellular network,HCN）的自身特性,传统最强信号接入（小区选择）方式已不再适合,新型小区选择方案急需引入。不同于传统接入方案,新型方案应具备平衡各类基站负载的能力。为反映用户资源消耗水平与实现平衡网络负载的目的,设计了一个服务质量（Quality of service,QoS）感知的负载平衡方案。该方案以资源消耗量作为基站负载,且同时拟合了用户服务质量需求。最终,该方案被规划为网络加权效益最大化问题。从规划问题的形式来看,该问题为非线性、混合整数优化问题,因此求解其最优解富于挑战性（尤其针对大规模问题）。为解决该问题,尝试利用对偶分解法设计了一个分布式算法。仿真结果表明,相比于最强信号接入和区域拓展接入,提出的接入方案具有更高的负载平衡水平与更低的呼叫阻塞概率。     

NOMA-MEC系统中基于改进遗传算法的协作式计算卸载与资源管理

为平衡网络负载与充分利用网络资源,针对超密集异构的多用户和多任务边缘计算网络,在用户时延约束下,该文构造了协作式计算任务卸载与无线资源管理的联合优化问题以最小化系统能耗。问题建模时,为应对基站超密集部署导致的严重干扰问题,该文采用了频带划分机制,并引入了非正交多址技术(NOMA)以提升上行频谱利用率。鉴于该目标优化问题具备非线性混合整数的形式,根据多样性引导变异的自适应遗传算法(AGADGM),设计出了协作式计算卸载与资源分配算法。仿真结果表明,在严格满足时延约束条件下,该算法能获取较其他算法更低的系统能耗。     

车车通信中通信模式选择与资源分配算法

在城市轨道交通列车控制系统中,车车（train-to-train,T2T）通信是利用列车之间直接通信来保障列车安全、高效运行的一种通信模式。与传统的车地（train-to-ground,T2G）通信模式相比,基于T2T通信的系统可以简化系统结构,降低系统成本,提高列车运营效率。为保证通信链路信噪比的同时最大程度地提高整个系统的信道容量,研究了T2G通信模式与T2T通信模式共存情况下的联合通信模式选择和资源分配问题。提出了一种通信模式选择算法,其目的是使列车能够自适应地选择具有更好通信质量的通信模式。在通信模式选择的基础上,提出了一种基于拉格朗日对偶函数法的资源分配算法,该算法可获得列车在不同通信模式下的最佳传输功率。仿真结果表明,相比于其他资源分配算法,所提算法能明显提升系统的信道容量。     

FCBLUP模型在高频金融数据中的应用

将函数延拓最优线性无偏估计(FCBLUP)引入高频金融数据挖掘中,对离散观测值序列建立函数数据模型,并进行预测。选取上证收盘价格为实验数据,建立FCBLUP模型。为能对预测效果进行有效的评价与定位,设立基于ARMA模型的预测组。实验结果表明,FCBLUP预测效果较ARMA模型更理想,FCBLUP预测误差除在小段预测区间略大于ARMA外,其余时刻均低于ARMA预测。     

基于混合粒子群算法的计算卸载成本优化

为了满足用户日益增长的计算密集型和时延敏感型服务需求,同时最小化计算任务的处理成本,在时延约束下,该文针对超密集异构边缘计算网络,构建了有关任务卸载、无线资源管理、计算资源块分配的联合优化问题。考虑到所规划的问题具有非线性和混合整数的形式,且为满足约束条件及提升算法收敛速率,通过改进分层自适应搜索(HAS)算法设计了混合粒子群优化 (HPSO)算法来求解所提出的问题。仿真结果表明,HPSO算法明显优于现有算法,能有效降低任务处理成本。