基于着色理论的认知无线电频谱分配算法

认知无线电技术是解决当前频谱资源紧缺情况的有效手段,其中动态频谱分配技术是一个非常重要的环节。首先基于图着色理论建立了分配模型,分析了基于着色理论的频谱分配算法,并针对认知网络节点的动态性提出动态的频谱分配算法,该算法建立在已分配频谱的基础上,通过冲突节点相应信道的释放和寻找空闲信道算法减轻节点移动对频谱分配的影响。实验结果表明,此算法在不减少系统效用的情况下能有效减少参与重新分配信道的节点个数,减小动态频谱分配的复杂度。     

基于离散人工蜂群算法的认知无线电频谱分配

针对二进制粒子群优化算法在认知无线电频谱分配中容易陷入局部最优等问题,将人工蜂群算法引入到认知无线电频谱分配中,提出了基于离散人工蜂群算法的认知无线电频谱分配方法。针对一种认知无线电网络模型,将离散人工蜂群算法中的蜜源位置离散化,与模型中的可用频谱矩阵相结合产生分配矩阵,对目标函数进行优化,并且使用了一种新的比例公平性目标函数评价该算法的性能;通过仿真比较了本文算法与二进制粒子群优化算法的频谱分配方法的性能,同时在使用电视频段的认知无线电系统进行了验证,结果表明本文算法的高效性和优越性。     

基于最大化能效的海上中继通信频谱分配算法

为提升海上无人艇编队多跳中继网络整体能效, 降低中断发生概率, 提出一种基于最大化能效的分布式多跳中继频谱分配算法。为将节点间通信中断概率控制在阈值范围内, 首先对莱斯衰落信道进行分析, 计算满足需求的最低发射功率; 之后计算所需最多子载波个数, 引入异步分布式定价算法选取备选子载波组; 而后通过求解KKT条件, 利用次梯度法从备选子载波组中选取子载波并分配功率, 求得优化分配的次优解; 最后在系统可靠性与能效等方面进行仿真分析, 验证了所提算法的有效性。     

基于统计特性的蝙蝠算法在认知无线电频谱分配中的应用

针对当前图论频谱分配模型下寻找最优解困难,容易陷入局部最优等问题,将蝙蝠算法引入到认知无线电频谱分配中,并利用图论频谱分配模型的特点,对二进制蝙蝠算法进行改进,以达到更好的效果。首先,将蝙蝠算法的选择策略改为贪婪选择,增强了蝙蝠算法在当前位置的开发能力。其次,统计种群中各蝙蝠经历的最好位置的分布情况,利用蝙蝠位置的统计特性指导蝙蝠寻优,加快算法的收敛速度。最后,在局部搜索时,直接在离散域操作,减少实数到二进制的映射,缩短搜索时间。仿真结果表明,本文算法在效益优于过去的算法的情况下收敛速度更快。     

认知无线电系统中三维联合频谱分配算法

为了减少对授权用户的干扰和降低认知用户之间的竞争,保证认知无线电系统正常通信,采用可靠性理论描述一个信道是否能够被认知用户所使用及被连续使用一段时间的概率。从空间、时域和频域3个方面联合起来研究频谱分配,仿真结果表明,三维算法的传输数据量和系统的总吞吐量的值优于贪婪算法和二维算法,有助于减少认知用户对授权用户的干扰和降低认知用户之间的竞争,表明所提算法的有效性。     

基于博弈论的自适应波束成形算法

针对自适应波束成形算法中用户之间的动态相互干扰,提出了一种基于博弈论的自适应波束成形算法,构建了波束成形博弈算法数学模型。该算法将不同用户的发射权值调整描述为一个多用户的博弈过程,通过数学推导论证了基于博弈论的自适应波束成形算法纳什平衡点的存在性和唯一性,设计了收敛的发射权值更新算法。通过仿真实验验证了算法的性能以及讨论了代价因子、可调参数和收敛精度等参数对算法的影响。     

弹性光网络中路由与频谱分配算法综述

弹性光网络(elastic optical networks, EONs)作为下一代极具潜力的光网络近年来受到广泛关注,其中路由与频谱分配(routing and spectrum allocation, RSA)是实现网络设计和控制的核心技术之一。本文系统分析了EONs的概念内涵,对RSA这一关键问题进行了详细描述,从静态和动态角度出发,以不同特性的算法框架为基础,依照精确算法、智能优化算法、启发式算法以及学习型算法4个大类对RSA算法的国内外研究现状进行了总结剖析。结合EONs的未来应用需求,阐述了该领域所面临的问题与挑战,展望了RSA算法的发展趋势。     

基于博弈论的目标分配策略空间构建与搜索

动态武器目标分配(dynamic weapon target assignment, DWTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。DWTA问题不能使用静态武器目标分配(static weapon target assignment, SWTA)的动态规划方法来解决。在考虑攻防双方武器系统损耗的基础上建立了DWTA模型,模型分析表明,DWTA问题可以尝试用博弈理论解决。构建DWTA策略空间,并改进了邻域搜索算法(variable neighborhood search algorithm, VNS)。算法正确度和复杂度分析结果表明,算法快速有效,在一定程度上满足防空作战对DWTA问题决策实时性的要求。     

基于博弈论的多传感器交叉提示算法

针对传感器交叉提示技术在目标探测中的应用问题展开研究,首先介绍多传感器交叉提示技术基本理论,建立了具有社区性的传感器网络模型和基于多Agent技术的分布式传感器管理结构,分析了传感器交叉提示发生的条件和类型,其次提出了传感器网络效能评价函数,最后设计了基于博弈论的多传感器交叉提示算法。仿真结果表明,提出的多传感器交叉提示模型符合实际作战场景,能够生成传感器联盟方案对目标检测和跟踪,并进行目标交接,与拍卖算法和人工蜂群算法相比,博弈论算法求解质量较高,收敛速度明显提高,更适用于作战态势较紧急的情形。     

基于分布式并行计算的神经网络算法

为了提高计算性能（速度与可扩展性）,提出了一种新颖的神经网络的并行计算体系结构和计算网络权函数的训练算法。权函数是广义Chebyshev多项式和线性函数的复合函数,只需要通过代数计算就可以求得,不需要梯度下降计算或者矩阵计算。各个权函数能够独立求解,可以通过并行系统采用并行算法计算。算法可以求得全局最优点,得到反映网络误差的一个有用的表达式。此外,算法在不超过权函数总数的范围内,还具有维持加速比与并行系统中提供的处理器的数量成线性增长的能力。仿真实验结果表明,本文算法的计算性能远远优于传统算法。     

基于非合作博弈模型的跨层资源分配算法

针对多用户多输入多输出 正交频分复用(multiple input multiple output-orthogonal frequency division multiple, MIMO-OFDM)系统的上行链路提出一种基于非合作博弈模型的跨层资源分配算法。基站为用户分配初始上行速率后,各用户间通过非合作博弈方式实现功率最小化。功率未饱和的用户向基站申请增加吞吐量,基站在调整用户吞吐量时综合考虑用户信道条件与媒体访问控制（media access control, MAC）层缓存的状态。仿真表明,算法既降低了用户终端的功率开销,同时兼顾了多用户间的公平性。     

基于博弈论和效用论的认知无线电功率控制算法

提出了一种基于博弈论和效用理论的认知无线电功率控制算法。算法将认知用户发射功率净效用函数表示为效用部分和代价部分之差。对效用部分,用Sigmoid型效用函数替代David提出的幂指效用函数,并对替代误差进行补偿;对代价部分,提出了参考历史发射功率经验的代价函数,使得代价的变化更加平稳。仿真分析表明,本文算法与传统算法相比,不仅提高了系统稳定性,而且减少了系统的误差和控制开销。     

Distributed power control algorithm based on game theory for wireless sensor networks

Energy saving is the most important issue in research and development for wireless sensor networks. A power control mechanism can reduce the power consumption of the whole network.Because the character of wireless sensor networks is restrictive energy,this paper proposes a distributed power control algorithm based on game theory for wireless sensor networks which objects of which are reducing power consumption and decreasing overhead and increasing network lifetime.The game theory and OPNET simulation shows that the power control algorithm converges to a Nash Equilibrium when decisions are updated according to a better response dynamic.     

公共资产配置与预算管理的演化博弈分析

在公共资产配置与预算管理过程中，由于财政部门和预算单位之间存在信息不对称，导致公共资产配置效率和使用效益低下.本文运用演化博弈的理论与方法分析了公共资产配置与预算管理的博弈演化过程，研究了预算管理过程中的声誉激励效应和监督惩罚效应，给出了不同类型预算单位与财政部门之间策略选择的互动机制，重点对静态惩罚机制和动态惩罚机制下博弈均衡进行了比较.研究表明：声誉对高成本的预算单位具有激励作用，监督对低成本的预算单位具有惩罚作用，动态惩罚机制比静态惩罚机制的监督效果更好，监督概率和监督惩罚量越大监督效果越好.     

Ad-hoc网络中基于博弈论和粒子群优化的协作算法

为了促使Ad-hoc网络中的“自私”节点进行合作,提出了一种基于博弈论和粒子群优化的协作算法（Nash Bargaining of game theory and particle swarm optimization, NGPSO）在算法的第一阶段,源节点通过对中继节点转发的数据进行价格补偿,从而达到使中继节点参与合作的目的。将源节点的最优出价归结为纳什谈判问题,得到具有帕累托最优的激励价格,保证源节点和中继节点在合作中同时获得最佳收益;在算法的第二阶段,中继节点在获得源节点的最优出价后,通过粒子群优化算法得到最优的转发功率,使其合作收益增益最大。仿真表明,和随机价格激励相比,所提出的NGPSO算法能使源节点和中继节点达到最优收益;和中继节点固定功率转发相比,所提出的NGPSO算法,能显著提高源节点的能量效率和中继节点的收益,同时在适当设置中继节点转发功率的搜索空间时,可以保证总的能量效率。     

公司集团内部资本配置的演化博弈分析

公司集团终极控制人通过金字塔结构超额控制上市公司,在管理体制上采取集权和分权两种形式.终极控制人和CEO出于自身利益的最大化目标,可以通过若干途径影响公司集团内部资本配置效率.通过构建演化博弈模型,分析初始状态及各参数变化对内部资本配置行为的影响,为公司集团管理体制的选择提供一个经济学解释.研究结果表明,在不同的管理环境下终极控制人有不同的最优管理体制.企业的产出效率、激励机制、集权程度、管理成本以及CEO的非现金偏好度都将影响博弈的结果.     

一类基于进化博弈的多主多从Stackelberg对策算法

当Stackelberg对策具有多主者多从者时，传统的Stackelberg模型求解算法从方法上将面临困难，因而文章着重研究了多主多从Stackelberg对策的算法．建立了具有多主多从的Stackelberg对策模型，给出了基于进化博弈论的模型求解算法．同时，考虑到成员之间可能存在合作关系，对联盟利益分配问题进行了初步探讨．最后，给出了一个两主两从Stackelberg对策算例，应用所提方法进行了分析，结果表明两主者合作时对从者不利，而从者是能从主者非合作竞争中渔利的．     

分布式实时系统的低能耗资源分配方法研究

针对基于动态电压调整技术的调度算法在任务切换时大幅度的频率调整给系统带来较多的额外能耗这一问题,提出了一种均匀化任务利用率的启发式资源分配方法。该方法选用时间Petri网对分布式实时系统建模,并根据时间Petri网状态空间的变化规律,简化系统状态空间的生成过程,提高了资源分配算法的实现效率。实验表明,上述方法能够降低目标系统频率调整带来的系统能耗开销。