基于遗传算法的多用户OFDM系统 资源分配策略

针对多用户OFDM系统资源分配算法复杂度高且误码性能不理想等问题,提出了在考虑用户速率情况下保证发射功率最小的子载波和比特分配方案,并通过引入遗传算法使系统通过解的编码、初始群体的生成、构建适应度函数、生成种群、遗传策略、变异规则等过程的改进,得到系统优化问题的全局最优解,同时也使算法复杂度降低.仿真结果表明,在信噪比相同的情况下,该方案可以进一步减小系统的误码率.     

基于FL-MADQN算法的NR-V2X车载通信频谱资源分配

针对5G新空口-车联网（New Radio-Vehicle to Everything,NR-V2X）场景下车对基础设施（Vehicle to Infrastructure,V2I）和车对车（Vehicle to Vehicle,V2V）共享上行通信链路的频谱资源分配问题,提出了一种联邦-多智能体深度Q网络（Federated Learning-Multi-Agent Deep Q Network,FL-MADQN）算法.该分布式算法中,每个车辆用户作为一个智能体,根据获取的本地信道状态信息,以网络信道容量最佳为目标函数,采用DQN算法训练学习本地网络模型.采用联邦学习加快以及稳定各智能体网络模型训练的收敛速度,即将各智能体的本地模型上传至基站进行聚合形成全局模型,再将全局模型下发至各智能体更新本地模型.仿真结果表明：与传统分布式多智能体DQN算法相比,所提出的方案具有更快的模型收敛速度,并且当车辆用户数增大时仍然保证V2V链路的通信效率以及V2I链路的信道容量.     

RON研究及在信用风险评估中的应用

针对资源分配网络算法鲁棒性较差,泛化能力不能保证等缺点,提出了一种将滑动数据窗口技术和梯度法相结合的资源优化网络,同时为避免网络过于庞杂,实现了隐节点的合并.在此基础上,建立了一种基于混杂神经网络的信用评估模型,并用该评估模型对上市公司的信用评级,表明了该评估模型的可行性和有效性.     

一种求解背包问题的新的神经网络模型

背包问题是一类经典的组合优化问题,在网络资源分配中有着广泛的运用。人工神经网络已成为求解大规模优化问题的一种有效方法,已经证明了合适的神经网络能实时地得到问题的精确解。研究了背包问题的神经网络解法,给出了一种求解背包问题的新的神经网络模型,并证明了该网络模型收敛到背包问题的最优解。算例说明了模型有效性和准确性。     

回顾DNA双螺旋发现的里程碑意义

从研究资源分配的调整、研究模式的转变和对科学、技术与社会的影响三个方面讨论了DNA双螺旋模型提出的里程碑意义。提出科学与技术的进步是无可阻挡的,人类的理性之光总会驱走黑暗,为世界带来更加美好的明天。     

软件模块测试中的动态资源分配问题

为有效利用测度过程中投入的测试资源,提高测试效率,本文考虑将测试过程为多个阶段并为各个阶段动态分配测试资源的方法,为此提出两种动态分配测试资源模型,当测试资源总数一定时,测试约束时各软件模块中剩余错误平均数量小的模型;当给定测试约束时各软件模块中剩余错误平均数要达到的预定指标时,所用的测试资源最少的模型。     

基于Q学习和双向ACO算法的云计算任务资源分配模型设计

云计算异构环境中由于计算和存储资源物理分布的不一致性,往往容易导致在应用传统的调度算法进行任务资源分配时存在调度效率低和负载不均衡的问题,为此,设计了一种基于Q学习和双向ACO算法的云计算任务资源分配模型;首先,引入了基于主从结构的调度模型,并综合考虑任务计算完成时间、网络带宽和延迟等因素设计了资源分配目标函数,然后,设计了基于Q学习的云计算资源初始分配方法,将其获得的最优策略对应的Q值初始化网络中节点的Q值,最后,设计一种结合前向蚂蚁和后向蚂蚁的双向ACO算法实现任务资源的最终分配,并对算法进行了定义和描述;在CloudSim环境下进行仿真实验,结果证明文中方法能有效实现云计算异构环境下的任务资源分配,且与其它方法相比,负载均衡离差值平均约为0.071 5,是一种适用于云计算异构环境的有效资源分配方法。      

Optimal joint relay selection and resource allocation with QoS constraints in multiuser OFDM-based cellular networks

This paper investigates the relay selection and resource allocation problem in muhiuser orthogonal frequency division multiplexing (OFDM) based cooperative cellular networks,in which user nodes could relay information for each other using the decode-and-forward (DF) protocol to achieve spatial diversity gain.Specifically,the paper proposes an optimal joint relay selection and resource allocation (ORSRA) algorithm whose objective is to maximize system total achievable data rate with the constraints of each user' s individual quality of service (QoS) requirement and transmission power.Due to being a mixed binary integer programming (MBIP) problem,a novel two-level Lagrangian dual-primal decomposition and subgradient projection approach is proposed to not only select the appropriate cooperative relay nodes,but also allocate subcarries and power optimally.Simulation results demonstrate that our proposed scheme can efficiently enhance overall system data rate and guarantee each user's QoS requirement.Meanwhile,the fairness among users can be improved dramatically.     

一种基于超边际分析的分布式计算资源分配方法

针对分布式计算环境,提出一种基于超边际分析的资源分配方法,描述了基于比较优势的资源分配框架,建立了具有交易保护的IRDL模型以及自由交易的IRD模型,通过角点分析得到全局均衡,以达到系统效用最大化.与新古典经济学研究如何提高资源利用率不同,本文基于新兴古典经济学,通过分工理论降低资源稀缺程度,动态调整计算网络以达到整体...     

LTE系统中一种动态的资源块分配方案

LTE(Long Term Evolution)系统将OFDM (Orthogonal Frequency Division Multiplexing)技术作为其物理接口层的关键技术,并引入了物理资源块的概念,在此基础上将LTE系统的固定大小资源块分配方案改进为大小可变的动态资源块分配方案.即在室内场景下,可以将分配的资源块的大小扩展至标准资源块的两倍,这样可以在性能基本不下降的情况下降低分配算法的复杂度;而在室外车载场景,则将资源块减至原来的一半,性能有明显改善.仿真结果表明,该方案充分利用了无线信道的分集特性,性能优于LTE系统的固定方案.