基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明，所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

基于OFDMA的无人机群通信链路资源分配算法研究

针对基于OFDMA的无人机群通信链路资源分配中系统容量与用户公平度之间的矛盾,提出了一种新的资源分配算法。该算法主要由子载波分配和功率分配两部分组成。该算法在子载波分配过程中,每个子载波等功率分配,通过设置公平度门限确保在最大化系统容量时兼顾用户公平度;在用户功率分配过程中,采用基于灰狼算法的功率寻优策略,通过全局搜索实现用户间的功率分配。仿真结果表明,文中提出基于灰狼算法的功率分配方法具有较好的稳健性与寻优能力,即使在用户数较多的情况下,仍然能够在最大化系统容量的同时具有较高的用户公平度,并且还可通过设置公平度门限的大小,灵活地调整系统容量与用户公平度之间的关系。     

面向5G协作通信系统的资源分配技术综述

随着物联网技术的发展和移动设备的爆炸性增长,无线网络呈现出异构化、超密集等特性。协作通信具有可提高系统容量和覆盖范围的特点,被广泛应用于5G移动通信网络中。从中继选择、转发方式和收发机增益等不同角度对中继网络模型进行分析;介绍了5G协作通信系统下的网络模型,如非正交多址接入网络、大规模多输入多输出网络、超密集异构网络和设备间通信网络等,并对不同网络模型下的应用场景进行阐述;对5G协作通信系统的资源分配优化模型和中继选择算法进行了类比分析与总结;提出了基于中继协作的5G通信系统网络中尚存的问题,并在此基础上对未来研究方向进行了展望。     

基于射频能量收集的异构网络资源分配策略

针对异构网络中微微基站出现过多用户的情况,研究最大化上行总吞吐量的资源分配问题。通过部署一个具有能量收集功能的中继节点,将微微基站部分用户转移到相邻的空闲微微基站。中继节点具有能量收集功能,可以从专用射频源和环境射频源收集能量。将资源分配问题建模为最优化问题,以最大化微微基站用户的上行总吞吐量为目标,同时满足用户最小数据速率、中继节点能量消耗和发射功率的约束条件。通过引入增广拉格朗日乘子法,获得最优解。仿真结果表明,与传统的将部分微微基站用户转移到宏基站的方法相比,提出的方法具有较大的吞吐量提升。此外,与同样采用中继节点进行辅助通信的等功率方法相比,提出的方法在吞吐量方面有一定程度的增加。     

基于人工鱼群算法的多用户系统资源分配策略

针对当前多用户系统资源分配策略存在的用户公平性较差、 系统吞吐量小等缺陷, 设计一种基于人工鱼群算法的多用户系统资源分配策略. 首先通过分析多用户系统资源分配的工作原理, 构建相应的数学模型; 然后引入人工鱼群算法对多用户系统资源分配的数学模型进行求解, 并针对标准人工鱼群算法存在的局限性进行相应地改进; 最后与其他多用户系统资源分配策略进行仿真对比测试实验. 实验结果表明, 人工鱼群算法可以快速、 准确地找到多用户系统资源的最优分配方案, 有效保障了用户的公平性, 且大幅度改善了多用户系统的通信能力, 整体性能优于其他多用户系统资源分配策略.     

超密集部署下基于双向干扰图的资源分配算法

针对超密集部署时小小区用户之间在资源复用模式下将产生强烈干扰的情况,提出采用双向干扰图的方法建立小小区用户间的干扰模型,并在此基础上设计了基于势博弈的资源分配算法.为减小资源分配过程中的计算开销,同时进一步抑制干扰,提出了资源分配效用矩阵和效用值更新方法,在算法执行过程中对资源块状态进行分类,减少小小区用户在博弈策略空间中的尝试次数.仿真结果表明:与原博弈算法相比,提出的算法在保证蜂窝用户服务质量的条件下,进一步提高了系统容量,同时明显提升了边缘用户可获取的速率,大幅降低了计算复杂度.     

超密集部署下绿色能源感知的用户关联算法

为了降低网络能耗,实现5G绿色蜂窝网络,考虑电力能源和绿色能源同时供电的混合能源供应的超密集异构网络模型.为了更准确地模拟密集部署下基站与用户之间的信道衰落,采用5G中的双斜率路径损耗模型对大尺度信道衰落进行建模,并在此模型下提出一种改进的基于绿色能源感知的自适应用户关联算法.该算法为基站设置优先级和权重因子,用户根据基站的优先级和权重因子自适应地调整自身的关联策略,并结合资源分配完成用户关联过程.仿真结果验证了所提算法在能耗和能效方面的优越性.     

带有学习及退化效应和资源分配的交货期指派的单机排序问题

本文讨论带有学习及退化效应和资源分配的交货期指派的单机排序问题。所有工件有一个公共的交货期,如果工件在交货期内完工将不产生任何费用,但是在交货期之前或之后完工将产生相应的提前或延误费用。工件的实际加工时间是与开工时间、在排序中位置和资源分配有关的函数。目标是确定最优交货期的位置、交货期的大小、工件的最优排序和最优资源分配,最小化包括提前、延误、交货期大小、交货期位置和资源消耗的总费用。证明了带有学习及退化效应和资源分配的交货期指派问题仍然是多项式可解的,并且最优算法是可以在O n()3时间内求出最优解。     

加工时间可控的单机排序问题

研究带有学习效应和恶化效应的单机排序问题。在此模型中,工件的学习效应是与工件加工位置相关的减函数,工件的恶化效应是与其开始加工时间相关的线性函数。在无资源约束的情况下,分别讨论了目标函数为最大完工时间、总完工时间及总完工时间的绝对差之和的排序问题,证明了这些问题都是多项式时间可解的。对于带有资源约束问题,若分配一定的资源,工件加工时间会减少。讨论了在线性资源分配情况下,带有学习效应、恶化效应和资源分配量的交货期排序问题,其中所有工件有一个共同的交货期。目的是确定最优交货期、资源分配及工件的加工顺序,使交货期、提前、延误和资源分配量之和最小,通过将其转化为指派问题,证明问题是多项式时间可解的。     

多小区终端直通异构网络中利用图论的资源分配方案

针对在终端直通(device-to-device,D2D)用户与蜂窝用户共存的上行多小区系统中存在严重的小区内以及小区间干扰问题,提出了一种基于干扰图和最佳二分图匹配的多小区资源分配方案,以获得网络容量提升。该方案根据上行链路的传输特性获得D2D用户与蜂窝用户之间带权值的无向干扰图,根据干扰图将互干扰较大的用户分到不同的用户簇中,不同的用户簇占用不同的子载波,并利用匈牙利算法对资源块进行分配。仿真结果表明,所提出的方案以较低复杂度接近遍历最优算法,并且与部分频率复用方案比较,所提方案的系统容量提升了19.78%。