一种改进MIMO-MC-CDMA系统资源分配算法

提出一种应用于多输入多输出MC-CDMA系统的功率、子带、码道自适应分配算法。发送端在总发射功率受限的条件下通过多用户间功率、子带和码道的分配最大化系统吞吐量。通过限制用户的最大码道数来实现用户之间的带宽公平性。和传统MC－CDMA系统资源分配算法比较,本算法的最大特点是综合考虑功率、子带、码道的三维优化。算法最终归结为一个约束优化问题并利用拉格朗日乘子法进行求解。计算机仿真验证了算法的有效性。     

一种优化的推荐算法

对个性化推荐系统算法进行改进,首先,不仅考虑用户所选的商品,而且考虑用户的打分,从而将资源分配法扩展为含权资源分配;其次,考虑用户的同有相似性.把这两方面相结合,发展了新的算法.数值试验表明,改进后的方法显著提高了推荐的精度和个性化程度.     

HSDPA系统中OVSF码资源分配方案的研究

无线资源分配方案对无线网络的性能有着重要的影响。本文分析了HSDPA系统中静态码资源分配和动态码资源分配方案的优缺点,提出了HSDPA系统中本小区及邻近小区用户等多用户并存环境下,有效地分配码资源的方案。     

一种求解动态规划模型的新方法

动态规划模型及求解方法是运筹学和现代管理科学中进行投资决策分析的重要手段.针对动态规划中资源分配问题模型,提出一种新的动态规划表解方法.相对于已有的表解方法更为直观和简单易行,也简化了解题过程中的计算和语言表述过程.新的表解方法可推广到其他的动态规划求解问题中去.     

资源分配的多目标优化动态规划模型

资源的有限束缚了项目投资追求的理想。系统内阶段的多样性,目标函数的多样化,状态的转移,阶段决策和总体决策策略的确立构成系统优化问题。针对多目标规划指标间的不可公度性,统一建立了n个分配方案关于定量指标和定性指标的相对优属度矩阵,并引用向量和矩阵统一给出了多目标、多阶段动态规划问题的分析方式,从而应用多目标模糊 优化动态规划方法建立了量纲不一的,既有定量目标又有定性目标的资源分配问题的数学模型。     

基于深度强化学习的空中无人机基站资源分配与公平性研究

为了提高无人机基站(unmanned aerial vehicle base stations, UAV-BS)为地面多用户服务时的数据速率,提出一种基于决斗深度神经网络(dueling deep Q-network, Dueling-DQN)的深度强化学习(deep reinforcement learning, DRL)算法。采用决斗网络(dueling network, DN)结构以克服动态环境的部分可观测问题,联合优化了UAV-BS的位置和下行链路功率分配,在更符合实际的空地概率信道模型中检验了Dueling-DQN算法的性能。结果表明,相较于对比算法,所提出的Dueling-DQN算法可以提供更高的数据速率和服务公平性,且随着地面用户数量的增大,算法的优势更加明显。Dueling-DQN算法可有效解决复杂非凸性问题,为UAV-BS的资源分配问题提供理论参考。     

带宽代理——实现区分服务中服务质量保证的关键技术

区分服务成为IP网中保证服务质量的重要的体系结构。简单介绍了区分服务的基本概念和机制,重点针对其中的带宽代理技术的使用进行了讨论,介绍了它的体系结构,分它在网络资源分配中的作用,并就因物网实现中还存在的问题进行了探讨。     

利用动态规划求解资源分配问题

动态规划是解决多阶段决策过程最优化问题的一种数学方法,资源分配问题解决将一种或几种资源分配给若干用户或投资于几家企业,以获得最大的效益,它可以是多阶段决策过程,也可以是静态规划问题,都能构造动态规划模型求解。本文针对资源分配问题设计了动态规划求解算法,数值结果表明该算法是可行有效的。     

认知中继网络中的OFDMA资源分配算法

基于下垫式的认知无线电场景,针对基于放大转发协作中继的多用户正交频分多址接入认知网络,讨论了在干扰温度约束条件下,使认知用户总传输速率得到最大化的资源分配问题,提出了一种最优的功率分配算法和次优的等功率分配算法.将这两种功率分配算法分别与传统的相等子信道预分配方案和文中采用的最优子信道预分配方案相结合,仿真结果表明,所...     

基于云计算环境的蚁群优化计算资源分配算法

提出一种基于蚁群优化(Ant Colony Optimization)的计算资源分配算法.分配计算资源时,首先预测潜在可用节点的计算质量,然后根据云计算环境的特点,通过分析诸如带宽占用、线路质量和响应时间等因素对分配的影响,利用蚁群优化算法得到一组最优的计算资源.通过在Gridsim环境下的仿真分析和比较,这种算法能够在满足云计算环境要求的前提下,获得比其他一些针对网格的分配算法更短的响应时间和更好的运行质量,因而更加适合于云环境.