雾无线接入网络中基于博弈理论的资源分配方法

论文摘要

面对未来无线网络更高和更多样化的性能需求,雾无线接入网近来受到业界广泛关注。为充分发挥雾无线接入网的性能潜力,资源分配至关重要。相对传统资源分配方法,基于博弈理论的资源分配更加高效,是目前学术界的热门研究方向。基于此,为克服雾无线接入网资源分配面临的计算压力大、需全局信息的问题,本论文提出了基于博弈理论的资源分配方法。首先在上行场景中,对终端的基于非合作博弈的通信模式选择和无线资源分配进行了深入研究;然后在雾无线接入网切片场景中,对接入网切片的基于分层博弈的无线资源分配进行了深入研究;最后考虑动态雾无线接入网,对基于复合博弈的无线和缓存资源联合分配进行了深入研究。论文的主要研究内容和创新点如下:1.基于非合作博弈的终端模式选择和无线资源分配考虑到集中式终端通信模式选择和子信道分配的联合优化可能导致云端较大计算压力,本文基于非合作博弈,提出利用终端的资源管理能力使其分布式地进行通信模式和子信道选择。首先,考虑到终端可平等共享子信道资源,故利用非合作博弈对终端的通信模式和子信道选择行为进行建模;然后在给定终端与远端射频单元关联及终端功控机制下,提出了基于多代理强化学习的模式选择和子信道分配博弈算法;为低复杂度地进行关联和功控,提出了基于匹配理论的关联及基于分层博弈的终端功控算法;最后对所提所有算法的特性进行了详细讨论,包括收敛性、稳定性等,其中证明了基于强化学习的博弈算法收敛且收敛结果趋近终端间非合作博弈的均衡解。仿真结果表明模式选择和子信道分配算法收敛,且在合适的参数选择下,接近穷举搜索得到的最优性能,而在大规模场景下,性能优于另一种分布式算法。该研究为未来利用终端设备进行分布式资源管理提供了潜在思路,是对雾无线接入网思想的具体实践。2.基于分层博弈的面向雾无线接入网切片的无线资源分配针对雾无线接入网切片场景中集中式资源分配计算压力大、需获取全局信息、切片定制化难以实现的问题,研究了基于分层博弈的面向雾无线接入网切片的无线资源分配。首先在包含一个全局资源管理器和多个切片内资源管理器的架构下,切片资源分配问题建模为全局资源管理器和切片内资源管理器间的分层博弈,并定义了博弈均衡解,讨论了均衡解的存在性和唯一性;接着,考虑到各切片内资源管理器的优化问题NP难解且全局资源管理器策略离散,在资源管理器绝对理性的前提下,设计了利用穷举搜索的分布式资源分配算法得到博弈均衡解;最后,为避免穷举搜索的高复杂度,为每个资源管理器设计了可达到局部最优解的资源分配算法,此时系统可实现弱化的均衡态。仿真结果表明,切片间的性能存在权衡,所提局部最优资源分配算法性能接近最优性能,且显著优于其它对比方案。该研究对雾无线接入网切片场景下差异化切片性能保障具有重要意义,同时,所提切片间资源分配算法可直接扩展到多种资源的联合调配。3.基于复合博弈的无线缓存资源联合分配当雾无线接入网中无线和缓存资源分配互相影响时,为达到更优的整体性能,需进行二者联合优化。考虑到无线资源分配和缓存资源分配在不同时间尺度进行且依赖不同信息,为减轻云端资源管理器的压力,二者联合分配问题建模为包含资源管理器和雾接入点的复合博弈,在博弈上层,资源管理器通过缓存资源分配最大化长期吞吐量带来的收益和缓存成本之差,而在下层,雾接入点的无线资源分配行为建模为一个联盟博弈,目标为最大化短期吞吐量;为求解均衡解,首先设计了分布式的、可达到稳定分簇结果的联盟博弈算法,接着针对资源管理器优化目标无闭式表达式且优化变量离散的问题,提出了基于单代理和多代理强化学习的缓存资源优化算法,研究了收敛性和最优性,其中后者可有效克服维数灾难问题。仿真表明,与雾接入点无协作相比,所提联盟形成算法可使雾接入点利用边缘缓存有效提升系统吞吐量,此外,基于多代理强化学习的缓存算法显著优于其它对比方案。本节所提方法对雾无线接入网中其它混合时间尺度的资源分配问题具有一定指导意义。

论文目录

• 摘要
• ABSTRACT
• 英文缩略语
• 第一章 绪论
•   1.1 研究背景
•   1.2 F-RAN资源管理研究现状及挑战
•     1.2.1 F-RAN无线资源管理研究现状
•     1.2.2 F-RAN缓存资源管理研究现状
•     1.2.3 F-RAN切片场景下资源管理研究现状
•     1.2.4 存在问题和研究动机
•   1.3 博弈论及其在资源管理中的应用
•     1.3.1 非合作博弈
•     1.3.2 联盟博弈
•     1.3.3 匹配博弈
•     1.3.4 分层博弈
•   1.4 论文的主要内容和创新
•   1.5 论文的组织结构
• 第二章 基于非合作博弈的终端模式选择和无线资源分配
•   2.1 引言
•   2.2 系统模型
•   2.3 问题形成
•   2.4 基于非合作博弈的模式选择和子信道分配
•     2.4.1 博弈构建
•     2.4.2 基于多代理强化学习的博弈算法
•   2.5 基于多对多匹配的RRH关联
•     2.5.1 匹配问题形成与算法设计
•     2.5.2 收敛性和稳定性
•     2.5.3 最优性
•     2.5.4 信令开销
•   2.6 基于分层博弈的D2D功率控制
•     2.6.1 博弈构建和算法设计
•     2.6.2 收敛性和稳定性
•   2.7 分布式模式选择和子信道分配算法的性质
•     2.7.1 收敛性和稳定性
•     2.7.2 与终端非合作博弈纳什均衡解的关系及最优性
•     2.7.3 动态环境下的收敛性
•     2.7.4 复杂度
•     2.7.5 信道状态信息需求
•   2.8 仿真结果和分析
•     2.8.1 场景和参数
•     2.8.2 收敛性验证
•     2.8.3 信号处理能力受限时的D2D增益
•     2.8.4 学习参数的影响
•     2.8.5 RRH关联算法和功率控制算法的影响
•     2.8.6 更大规模场景下的算法性能
•   2.9 本章小结
• 第三章 基于分层博弈的面向F-RAN切片的无线资源分配
•   3.1 引言
•   3.2 系统模型
•     3.2.1 切片s1的模型
•     3.2.2 切片s2的模型
•   3.3 问题形成
•     3.3.1 LRRM1的问题形成
•     3.3.2 LRRM2的问题形成
•     3.3.3 GRRM的问题形成
•   3.4 基于分层博弈的切片间资源优化
•     3.4.1 分层博弈形成
•     3.4.2 博弈均衡解的求解
•   3.5 博弈参与者的低复杂度资源分配算法设计
•     3.5.1 LRRM 1的低复杂度算法设计
•     3.5.2 LRRM 2的低复杂度算法设计
•     3.5.3 GRRM的低复杂度算法设计
•   3.6 仿真结果和分析
•     3.6.1 通过穷举法达到博弈均衡解
•     3.6.2 各LRRM低复杂度算法的有效性
•     3.6.3 GRRM低复杂度算法的有效性
•   3.7 本章小结
• 第四章 基于复合博弈的无线缓存资源联合分配
•   4.1 引言
•   4.2 系统模型
•   4.3 问题形成
•     4.3.1 FAP的问题形成
•     4.3.2 云端的资源管理器的问题形成
•     4.3.3 基于复合博弈的资源分配
•   4.4 FAP分簇算法
•     4.4.1 算法流程
•     4.4.2 算法特性
•   4.5 基于单代理强化学习的缓存优化
•     4.5.1 算法设计
•     4.5.2 算法特性
•   4.6 基于多代理强化学习的缓存资源优化
•     4.6.1 算法设计
•     4.6.2 算法特性
•   4.7 仿真结果和分析
•     4.7.1 基本仿真设置
•     4.7.2 分簇算法仿真
•     4.7.3 缓存算法仿真
•   4.8 本章小结
• 第五章 总结与展望
•   5.1 论文总结
•   5.2 未来研究展望
• 参考文献
• 致谢
• 攻读学位期间所取得的研究成果

文章来源

类型: 博士论文

作者: 孙耀华

导师: 彭木根

关键词: 雾无线接入网,博弈论,资源分配,强化学习

来源: 北京邮电大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,电信技术

单位: 北京邮电大学

分类号: TN92;O225

总页数: 119

文件大小: 8348K

下载量: 815