Resource allocation with minimum transmit power in multicast OFDM systems

To minimize the total transmit power for multicast service in an orthogonal frequency division multiplexing (OFDM) downlink system, resource allocation algorithms that adaptively allocate subcarriers and bits are proposed. The proposed algorithms select users with good channel conditions for each subcarrier to reduce the transmit power, while guaranteeing each user’s instantaneous minimum rate requirement. The resource allocation problem is first formulated as an integer programming (IP) problem, and then, a full search algorithm that achieves an optimal solution is presented. To reduce the computation load, a suboptimal algorithm is proposed. This suboptimal algorithm decouples the joint resource allocation problem by separating subcarrier and bit allocation. Greedy-like algorithms are employed in both procedures. Simulation results illustrate that the proposed algorithms can significantly reduce the transmit power compared with the conventional multicast approach and the performance of the suboptimal algorithm is close to the optimum.     

Resource allocation for cooperative diversity systems based on quadrature modulation

To improve the error performance and the resource utilization of cooperative systems, the optimum resource allocation, i.e., power allocation and partner choice, for an adaptive decode-and-forward (DF) cooperative diversity system based on quadrature modulation is investigated. The closed-form expression of the bit error rate (BER) system performance is derived and an optimal power allocation (OPA) algorithm is proposed to optimize the power allocation between the local and relayed signals under the minimum BER criterion. Based on the OPA algorithm, a partner choice strategy is proposed to determine the partner locations specified by various cooperation gains. Simulation results show that the proposed resource optimization algorithms are superior to the unoptimized algorithms by significantly reducing the BER and improving the cooperative gain, which is useful to simplify the practical partner choice process.     

A Comprehensive Dea Approach for the Resource Allocation Problem based on Scale Economies Classification

This paper is concerned with the resource allocation problem based on data envelopment analysis （DEA） which is generally found in practice such as in public services and in production process. In management context, the resource allocation has to achieve the effective-efficient-equality aim and tries to balance the different desires of two management layers： central manager and each sector. In mathematical programming context, to solve the resource allocation asks for introducing many optimization techniques such as multiple-objective programming and goal programming. We construct an algorithm framework by using comprehensive DEA tools including CCR, BCC models, inverse DEA model, the most compromising common weights analysis model, and extra resource allocation algorithm. Returns to scale characteristic is put major place for analyzing DMUs＇ scale economies and used to select DMU candidates before resource allocation. By combining extra resource allocation algorithm with scale economies target, we propose a resource allocation solution, which can achieve the effective-efficient-equality target and also provide information for future resource allocation. Many numerical examples are discussed in this paper, which also verify our work.     

基于改进AGD-分布式多智能体系统的目标优化分配模型

由于现代化战场环境动态多变、作战实时性高,针对当前防空作战中武器目标分配(weapon target assignment, WTA)约束多且复杂、传统建模无法真实反映战争过程、模型可信度不高等问题,提出一种在分布式约束优化问题(distributed constraint optimization problem, DCOP)背景下,基于多智能体系统(multi-Agent system, MAS)理论的武器目标优化分配模型,并利用改进的加速梯度下降(accelerated gradient descent, AGD)算法进行求解。通过实验证明了该算法具有良好的收敛性和低复杂度,能够适应现代化防空作战的需求,满足大规模寻优问题的需求,高效解决多智能体目标优化分配问题。     

基于反馈信道状态信息的水声自适应OFDMA

在时变水声信道中, 为了提高自适应正交频分多址(orthogonal frequency division multiple access, OFDMA)在时延反馈信道状态信息(channel state information, CSI)条件下的资源分配性能, 提出多节点反馈CSI的时隙复用接入方法, 降低反馈时延; 提出载波时-频相关系数和载波时-频均值两种反馈CSI表征参数, 通过实验数据分析了两种反馈CSI参数及其对水声自适应OFDMA性能的影响; 提出多节点公平的自适应载波、比特、功率联合分配算法, 在最大功率和节点吞吐量约束条件下最小化系统误比特率。仿真和湖上实验数据的结果显示, 所构建的水声自适应OFDMA系统在多种反馈CSI条件下误比特率均低于交织载波分配, 表明其在实际的水声信道应用中具有良好性能。     

基于DEA方法的额外资源分配算法

研究基于DEA(数据包络分析)方法的资源分配问题.求解该类问题的难点在于:对于参与分配的决策单元来说,其分得的额外资源数不仅依赖于该决策单元的相对效率值,还依赖于它的规模大小,因此分配权重难以确定.根据输入、输出指标数的分布情况,建立了3种基本模型,分别是单输入单输出、多输入单输出、单输入多输出模型,给出了这3种模型的资源分配权重的确定算法.最后给出实例,并对给出的分配原则的合理性进行了分析讨论.     

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。     

云计算环境中SBS应用动态资源分配方法

建立了一个SBS（基于服务的系统，service based system）应用端到端性能评价模型，并在该模型的基础上提出了SBS应用动态资源分配方法，该方法通过将静态的初始资源分配和动态的资源分配方案调整相结合，能够适应用户访问行为的动态变化，保证SBS应用端到端性能. 在SBS应用动态资源分配问题求解中，提出了服务吞吐量约束确定算法并在此基础上 给出了SBS应用动态资源分配算法，该算法根据SBS应用吞吐量约束确定服务资源需求量并在此基础上通过起始服务 到服务间的转移时间计算服务的资源分配时刻，从而能够在保证SBS应用端到端性能约束的同时提高资源利用率. 实验验证了所提出的基于SBS应用端到端性能评价模型的动态资源分配方法的有效性.     

改进的卫星网络多路径并行传输算法

针对传统多路径并行传输（concurrent multi-path transfer, CMT）协议无法适应卫星网络高误码特性,提出了一种CMT改进算法。首先,在缓解接收端缓存阻塞的基础上,根据链路中传输的传输序列号(trans-mission sequence number, TSN)相对连续的分组时延抖动,正确判断网络的拥塞状况;然后,接收端选取返回时延最短的路径,将拥塞因子及时反馈给源端,源端调节相应链路的拥塞窗口,调整注入网络的数据量。仿真结果表明:本文算法在缓解因卫星链路差异造成的接收缓存阻塞的同时,能够根据网络状况自适应区分拥塞与误码,实现链路的高效利用。相对于传统CMT协议,改进的CMT协议在网络吞吐量、窗口抖动、时延和丢包率等方面都有明显提高。     

角闪烁噪声下的集中式MIMO雷达自适应资源分配算法

为解决角闪烁噪声下集中式多输入多输出(multi-input and multi-output,MIMO)雷达的资源优化分配问题,设计了一种面向多目标跟踪任务的自适应资源分配算法.首先采用平方根容积粒子滤波(square-root cubature particle filter,SCPF)算法对各目标状态进行估计,并...     

面向用户需求的空天地一体化车载网络任务分配策略

为了提高空天地一体化车载网络(space-air-ground integrated vehicular networks, SAGVN)内用户的网络服务质量体验, 解决不同网络间相互协同的问题, 提出了面向用户需求的SAGVN任务分配策略。基于用户信号强度、时延、网络费用和带宽需求, 利用效用函数理论和层次分析法(analytic hierarchy process, AHP), 构建用户需求和满意度描述框架。将网络任务分配过程抽象为半马尔可夫决策过程(semi Markov decision process, SMDP), 根据用户需求和网络状态, 利用价值迭代算法获得整体用户满意度最大的网络任务分配策略, 利用Q-learning算法得到近似最优策略。实验表明, 相较于传统策略, 所提策略整体用户满意度提高超过30%;在网络拥塞的环境下, 可以有效降低对网络服务需求迫切用户服务请求的拒绝率。     

基于免疫克隆原理的改进粒子群优化算法的研究

提出了一种改进的粒子群优化(PSO)算法来进行函数优化,以克服PSO算法容易陷入局部极值的不足,加快收敛速度,从而实现全局搜索.PSO算法是基于群体智能的随机优化算法,参数结构简单,但收敛速度慢,容易陷入局部极值.通过对PSO算法的深入分析,基于传统的速度--位置更新操作,把免疫克隆(IC)原理引入PSO算法中,将抗体视为粒子,根据亲和度的高低进行粒子克隆选择、克隆抑制和高频变异,提高了种群的多样性和全局搜索的能力.测试结果表明,该算法完成全局搜索所需的迭代次数明显少于PSO算法,大大缩短了搜索时间,在多维函数最优解的搜索中具有优良的性能.     

基于时间反演的上行NOMA系统能效优化算法

为了解决上行非正交多址接入(non-orthogonal multiple access,NOMA)系统在多径环境下传输效率较低问题,提出了一种基于时间反演(time reversal,TR)的上行NOMA网络资源分配算法.首先,利用TR技术独特的空时聚焦特性,增大信号的接收强度.其次,考虑用户最小传输速率约束和用户最...     

基于SC-FDMA的可调公平度动态子载波分配算法

高速无线数据传输利用自适应的资源分配方式以对抗无线传输环境的不利影响。基于单载波频分复用系统提出一种最大平均容量动态子载波分配算法,并在此算法基础上引入公平系数,提出一种公平度可调的动态子载波分配算法,以实现系统分配公平性与总容量性能之间的权衡。仿真结果表明,最大平均容量算法在显著降低算法复杂度的同时,能获得与贪婪算法相近的系统总容量及误码率性能。可调公平度算法通过调整公平系数,能在较大范围内调整信道资源分配的公平度,满足不同传输质量需求,且不增加算法复杂度。     

超密集网络中基于聚类的资源分配方案

超密集网络(ultra-dense network, UDN)中,毫微微基站(femto-cell base station, FBS)的密集和随机部署会导致严重的小区间干扰。为了减轻干扰、保障用户服务质量(quality of service, QoS),提出了一种UDN中基于聚类的资源分配方案。首先,设计了一种基于加权密度的改进K-means聚类算法,将FBS动态划分为不同的簇。然后,以最大化UDN系统吞吐量为目标提出了一种两阶段时频资源分配方案:第一阶段,每个聚类内使用贪婪算法执行时频资源块的分配;第二阶段,利用资源补偿分配算法分配剩余的资源块,在考虑用户公平性的同时保证用户QoS。仿真结果表明,本文提出的资源分配方案能够有效提升系统吞吐量,同时保证用户QoS和公平性。     

基于神经网络的固体氧化物燃料电池电堆建模

针对现有的固体氧化物燃料电池(SOFC)模型过于复杂,难以满足工程上对SOFC系统实时控制设计的需要,提出了利用遗传算法(GA)优化径向基函数(RBF)神经网络实现对SOFC电堆建模。在建模过程中,利用遗传算法优化RBF神经网络的输出权值及高斯基函数的中心向量和基宽向量,采用优化后的参数作为网络初始值,然后利用梯度下降法对各参数进行调整。通过仿真对该建模的有效性和建模精度进行了检验。     

基于集中式MIMO雷达的功率带宽联合分配算法

针对集中式多输入多输出雷达对多目标进行跟踪的问题,提出一种基于后验克拉美罗下界的功率和带宽联合分配方法。该方法首先对各目标位置误差的后验克拉美罗下界进行预测,将克拉美罗下界构建为代价函数建立优化模型,从而将资源分配问题转化为求解非凸优化问题;而后运用凸松弛技术和循环最小化算法对该非凸优化问题进行求解;最后通过仿真验证所提算法的有效性。结果表明,与另外3种分配算法相比,所提算法在多种场景下均能有效提高目标跟踪精度。     

城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

针对无人潜航器的反潜策略研究

近年来无人潜航器对国家海洋国土安全带来的威胁逐渐增大,其低噪声特性和隐蔽入侵方式也给反潜行动带来极大困难。为此,提出了一种两阶段规划算法,用以学习优化反潜策略,在部署阶段,建立了基于不确定性马尔可夫决策过程的反潜资源分配模型,并设计了鲁棒性部署策略强化学习算法,用以求解不确定条件下分配模型的纳什均衡解。在搜索阶段,建立了基于部分可观察马尔可夫决策过程的搜潜模型,并设计了基于多智能体强化学习的搜潜策略学习算法。最后,通过仿真实验验证了本算法与比对算法相比具有更高的性能。     

放大转发中继系统中基于SCMA的能效资源分配方案

放大转发中继系统中,以提升能效为目标,在保障各用户的最小速率需求下,提出一种子载波顺序配对以及稀疏码分多址(sparse code division multiple access, SCMA)码本功率联合资源分配算法。将能效资源分配建模为一个混合型整数优化问题,并将其拆分为子载波配对和码本及功率分配两个独立的子问题。首先,预设码本和功率分配,基于能效对子载波进行配对。然后,在子载波固定配对的情况下,基于能效码本采用最优信道选择的分配方法,功率问题转化为含有参量的凹函数,构建拉格朗日函数进行迭代求解。最后,码本和功率交替迭代优化直至收敛。仿真表明,所提算法较其他方案可以提升约29%的系统平均能效,同时也保证了每个用户的最小速率需求。