CN107864512A - 一种基于博弈论的蜂窝异构网络资源分配方法 - Google Patents

一种基于博弈论的蜂窝异构网络资源分配方法 Download PDF

Info

Publication number
CN107864512A
CN107864512A CN201711058713.3A CN201711058713A CN107864512A CN 107864512 A CN107864512 A CN 107864512A CN 201711058713 A CN201711058713 A CN 201711058713A CN 107864512 A CN107864512 A CN 107864512A
Authority
CN
China
Prior art keywords
base station
optimal
macro base
bandwidth
heterogeneous network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711058713.3A
Other languages
English (en)
Inventor
彭传波
黄学军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201711058713.3A priority Critical patent/CN107864512A/zh
Publication of CN107864512A publication Critical patent/CN107864512A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
    • H04W52/244—Interferences in heterogeneous networks, e.g. among macro and femto or pico cells or other sector / system interference [OSI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于博弈论的蜂窝异构网络资源分配方法。通过使用斯塔克尔伯格博弈的方法，首先在集中决策模式下，求出带宽分配的最优解，然后在分散决策模式下，考虑纳什均衡条件下，设计基于斯塔克尔伯格博弈的蜂窝异构网络动态资源分配方案，研究蜂窝异构网络的最大收益，求出带宽分配帕累托最优，最后计算宏基站的***干扰，并比较集中模式和分散模式下的网络的收益以及干扰情况。本发明通过博弈分析方法证明资源供应商之间存在帕累托最优容量均衡，同时基于帕累托最优容量均衡，得出了资源供应商的最佳定价策略，最终使得网络***中的能效、谱效得以充分利用。微基站通过这种分配最大化的满足用户在回传阶段的流量需求。

Description

一种基于博弈论的蜂窝异构网络资源分配方法
技术领域
本发明属于蜂窝异构网络技术领域，涉及一种异构网络中使用可再生能源为基站供电来满足用户在回传阶段的流量需求的解决方案。
背景技术
为了满足移动用户的指数增长和对数据流量的***性需求，蜂窝异构网络将成为下一步移动通信的重点研究方向，而异构网络的资源分配和干扰问题是制约其发展的重要因素。如何促使异构网络中的能量分配策略与网络频谱分配的有效融合，在满足不同移动用户服务质量的前提下，提升能效、谱效，同时也使得基站的效率得以增加，是亟需解决的一个问题。现有文献大多是针对能源或者频谱场景提出优化策略，而对于可再生能源联合频谱的场景，并没有提出使用可再生能源作为共通的资源协同频谱合作方案。对于资源联合分配，宏基站和微基站以及能源供应商之间可以通过协作减少不必要的资源存储，从而减少了额外开销。另外，对于资源联合分配模型现今也没有提出过使用可再生能源联合频谱来满足用户在回传阶段的流量需求的解决方案。
经对现有技术文献的检索发现，Y.Guo等人在《IEEE Trans.Commun.,vol.62,no10,pp.257-263,Oct 2014》上发表了题为“Joint Energy and Spectrum Cooperation forCellularCommunication Systems”一文，该文针对蜂窝***中能量联合频谱的分配问题，提出了能量与频谱合作方式下的最优执行策略，但是此策略只引入了能源开销，并未考虑频谱的开销以及资源供应商的概念。
另检索发现，Jie Xu等人在《IEEE Trans.Veh.Technol.,vol.65,no.4,Apr.2016》上发表题为"Cooperative Energy Trading in CoMPSystemsPowered by Smart Grids,"一文，该文提出传统能源联合绿色能源进行资源分配。然而该文的***模型针对的仅仅是能量合作方面，并没有将频谱资源考虑进去。
经检索还发现，Dapeng Li等人在《IEEE Journal on Selected Areas inCommunications,vol.34,no.5,pp.1140-1159,May.2016》上发表题为"DecentralizedRenewableEnergy Pricing and Allocation for Millimeter Wave CellularBackhaul"一文，该文设计了一种基于分散***的绿色能源分配方案。该文虽然提出了运营商和资源供应商之间的最优策略，但没有更加深入的分析运营商与资源供应商之间的相互关系，同时也未提及资源块的使用。
发明内容
本发明针对上述技术的不足，提出了一种基于博弈论的蜂窝异构网络资源分配方法。本方法详细分析了在异构网络无线回传阶段，由可再生能源供电的微基站根据需要向宏基站支付一定的费用购买到相应的带宽，向可再生能源供应商购买电能，用来满足移动用户的需求。通过博弈分析方法，证明资源供应商之间存在帕累托最优容量均衡，同时基于帕累托最优容量均衡，得出了资源供应商的最佳定价策略，最终使得网络***中的能效、谱效得以充分利用。微基站通过这种分配最大化的满足用户在回传阶段的流量需求。
为实现上述目的，本发明采用的技术方案包括如下步骤：
第一步，通过集中式算法，求出一种最优资源分配，得到宏基站和能源供应商的最优均衡存储因子zc，带宽和发射功率的最优单位价格总和Uc；
第二步，在分布式算法下，建立带宽和发射功率关于单位价格的关系函数；
第三步，考虑纳什均衡条件，建立宏基站和能源供应商的效用函数，求出带宽和发射功率的最优均衡单位价格ui(z)；
第四步，采用逆向归纳法，证明集中式算法求得的zc就是分布式算法在纳什均衡条件下的帕累托最优解；
第五步，根据最优存储因子zc和最优单位价格ui(z)求得微基站的最优收益。
进一步，上述集中式算法又包含以下步骤：
第一步，在均衡条件下，***遵循相同的事件序列，所以宏基站和能源供应商提供的单位带宽和发射功率的数量相同(q＝q1＝q2)，即存储因子相同(z＝z1＝z2)；
第二步，考虑需求函数为关于单位价格总和U的随机分布，即D(U)＝y(U)ε，ε是一个随机因子，C为宏基站和能源供应商的单位价格总和，cn为微基站的单位固有成本，建立整个异构网络的效用函数Πc(U,q)＝UE[min{q,y(U)ε}]-(C+cn)q；
第三步，通过求导得到宏基站和能源供应商的最优均衡存储因子zc，带宽和发射功率的最优单位价格总和Uc；
第四步，求出在集中式算法下异构网络最优效用。
进一步，上述计算带宽和发射功率关于单位价格的关系函数为：
进一步，上述宏基站和能源供应商的效用函数为：
Πi(ui|U-i,z)＝(1-r)uiy(ui+U-i)E[min{z,ε}]-cizy(ui+U-i)＝y(ui+U-i){(1-r)ui[z-Λ(z)]-ciz}
ui为带宽w或发射功率pn的单位价格，k＝2为带宽和发射功率的单位价格总和，考虑实际情况下，由于路径损耗、传输距离的不同，每个微基站的所要支付的回传带宽的单位价格会有一定的波动，定义r(0≤r≤1)为价格因子，由于用户的需求不确定，但是会收到U的影响，定义D(U)为需求函数，且D(U)＝y(U)ε，y(U)是关于U的一个确定的递减函数，ε是一个随机因子，其累积分布函数为F(·)，概率分布函数为f(·)，均值为μ，宏基站和能源供应商存储单位数量的固有成本为ci，单位成本总和为k＝2，而微基站为单个用户提供服务的固有成本为cn。
进一步，上述求出宏基站和能源供应商的最优收益的具体过程为：
通过对ui求导，可以得到ui有最大值，即
这种纯策略均衡单位价格ui(z)如果存在，则可以通过求解k个联立方程，所以，如果b>k，则对于任何给定的储备因子z，宏基站和能源供应商的价格博弈具有唯一的纳什均衡解，即：
据此可以计算出资源供应商的总销售价格：
进一步，上述计算宏基站和能源供应商的最优存储因子的逆向归纳法的过程如下：
如果d[xh(x)]/dx＝h(x)+xd[h(x)]/dx>0，则宏基站和能源供应商的效用函数Πi(ui|U-i,z)是关于z的拟凹函数，根据集中决策的结果分析，z有最大值z＝zc，并且zc是集中式算法下的存储因子，所以当z＝zc时，相应的纳什均衡就是帕累托最优，即可以得到z＝zc是宏基站和能源供应商的子博弈问题中z的最优解，求得在均衡条件下宏基站和能源供应商单位价格总和为：
进一步，根据宏基站和能源供应商提供的最优带宽和发射功率，计算微基站的最优效用如下：
其中
g(r)＝{[(1-α)b+(b-k)α]r-(b-k)α}1-r)b-1
通过推导可知，对于b>k，PBS的效用函数Π0(r)是关于r的拟凹函数，所以r具有唯一的最大值，即
与现有技术相比，本发明的有益效果是：
1)介绍了由可再生能源供电的蜂窝异构网络的资源分配方法，并采用资源块来满足移动用户回传阶段的流量需求，使资源供应商、微基站、用户之间建立了一个稳定的联系。
2)通过考虑移动用户对流量需求的不确定性，对资源供应商和微基站之间的关系进行了详细分析。
3)采用逆向归纳法，寻找出了资源供应商之间的最优帕累托容量均衡以及最佳定价策略。
附图说明
图1是***模型示意图。
图2是宏基站和能源供应商的收益对比。
图3是微基站的效用对比。
图4是宏基站的(吞吐量)干扰对比。
图5是***方法分配流程图。
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，为***模型示意图，图中列出了宏基站和可再生能源供应商、微基站、用户三者的对应关系，清晰展示了***的实施方式。
图2是宏基站和能源供应商的收益对比。
图3是微基站的效用对比，表现了微基站固有成本对微基站效用收益的影响，以及宏基站和能源供应商的价格因子r对微基站效用的影响。从图中可以看到在不同的α下，微基站的收益(即其节省的花费)情况。此外可以很明显的看到会有一个最优的r选择，证明了算法的有效性。
图4是宏基站的(吞吐量)干扰对比，表明利益的更优往往要在一个方面付出更大的代价，即可以看到微基站对宏基站的干扰的影响，当在分散决策下为了获得更大收益，需要更大的发射功率，那么就会对宏基站造成更大的干扰。
图5是***方法分配流程图，详细介绍了本发明资源分配方法的实施过程。
为便于本领域的普通技术人员实施本发明，现提供一个实施例，如下：
本实施例用于蜂窝异构网络无线回传链路中，包括步骤如下：
第一步，通过集中式算法，求出一种最优资源分配，得到宏基站和能源供应商的最优均衡存储因子zc，带宽和发射功率的最优单位价格总和Uc；
第二步，在分布式算法下，建立带宽和发射功率关于单位价格的关系函数；
第三步，考虑纳什均衡条件，建立宏基站和能源供应商的效用函数，求出带宽和发射功率的最优均衡单位价格ui(z)；
第四步，采用逆向归纳法，证明集中式算法求得的zc就是分布式算法在纳什均衡条件下的帕累托最优解；
第五步，根据最优存储因子zc和最优单位价格ui(z)求得微基站的最优收益。
宏基站和能源供应商的效用函数为：Πi(U,qi)＝(1-r)uiE[min{qi,y(U)ε}]-ciqi，微基站的效用函数为：Πn(U,q)＝rUE[min{q,D}]-cnq＝rUE[min{q,y(U)ε}]-cnq，其中ui为带宽w或发射功率pn的单位价格，k＝2为带宽和发射功率的单位价格总和，考虑实际情况下，由于路径损耗、传输距离的不同，每个微基站的所要支付的回传带宽的单位价格会有一定的波动，定义r(0≤r≤1)为价格因子，由于用户的需求不确定，但是会收到U的影响，定义D(U)为需求函数，且D(U)＝y(U)ε，y(U)是关于U的一个确定的递减函数，ε是一个随机因子，其累积分布函数为F(·)，概率分布函数为f(·)，均值为μ，宏基站和能源供应商存储单位数量的固有成本为ci，单位成本总和为k＝2，而微基站为单个用户提供服务的固有成本为cn。
又进一步，计算宏基站和能源供应商的最优效用函数Πi(ui|U-i,z)为：
Πi(ui|U-i,z)＝(1-r)uiy(ui+U-i)E[min{z,ε}]-cizy(ui+U-i)＝y(ui+U-i){(1-r)ui[z-Λ(z)]-ciz}
通过对ui求导，可以得到ui有最大值，即
这种纯策略均衡价格ui(z)如果存在，则可以通过求解k个联立方程。所以，如果b>k，则对于任何给定的储备因子z，宏基站和能源供应商的价格博弈具有唯一的纳什均衡解，即：
据此可以计算出带宽和发射功率的单位价格总和：
所述唯一最优帕累托存储因子zc，其可能存在形式如下：
如果d[xh(x)]/dx＝h(x)+xd[h(x)]/dx>0，则宏基站和能源供应商的效用函数Πi(ui|U-i,z)是关于z的拟凹函数，根据集中决策的结果分析，z有最大值z＝zc，并且zc是集中决策模式下的存储因子。
对宏基站和能源供应商的同时定价博弈，如果d[xh(x)]/dx＝h(x)+xd[h(x)]/dx>0，并且b>k，则对于任何z(A≤z＜zc)，在第一阶段所有微基站同时确定存储因子z构成了一个纳什均衡，在第二阶段选择其对应的价格ui(z)。当z＝zc时，相应的均衡是帕累托最优。所以可以得到z＝zc是宏基站和能源供应商子博弈问题中z的最优解。求得在均衡条件下微基站s的总销售价格公式。
根据最优带宽和最优能量，可以得到微基站的效用函数为：
其中
g(r)＝{[(1-α)b+(b-k)α]r-(b-k)α}(1-r)b-1
通过推导可知，对于b>k，微基站的效用函数Π0(r)是关于r的拟凹函数，所以r具有唯一的最大值。即
通过对比可知，本实施例得到的宏基站和能源供应商(即资源供应商)的容量存储最优具有唯一性，帕累托最优性和稳定性，即对资源供应商所存储的资源容量集合，不存在另一种合作关系，使得每个资源供应商够得到更好的协作效益。同时，也会相应的使得基站的效用最大。

Claims (7)

1.一种基于博弈论的蜂窝异构网络资源分配方法，其特征在于，包括以下步骤：
第一步，通过集中式算法，求出一种最优资源分配，得到宏基站和能源供应商的最优均衡存储因子zc，带宽和发射功率的最优单位价格总和Uc；
第二步，在分布式算法下，建立带宽和发射功率关于单位价格的关系函数；
第三步，考虑纳什均衡条件，建立宏基站和能源供应商的效用函数，求出带宽和发射功率的最优均衡单位价格ui(z)；
第四步，采用逆向归纳法，证明集中式算法求得的zc就是分布式算法在纳什均衡条件下的帕累托最优解；
第五步，根据最优存储因子zc和最优单位价格ui(z)求得微基站的最优收益。
2.根据权利要求1所述的基于博弈论的蜂窝异构网络资源分配方法，其特征在于所述集中式算法包含以下步骤：
第一步，在均衡条件下，***遵循相同的事件序列，所以宏基站和能源供应商提供的单位带宽和发射功率的数量相同(q＝q1＝q2)，即存储因子相同(z＝z1＝z2)；
第二步，考虑需求函数为关于单位价格总和U的随机分布，即D(U)＝y(U)ε，ε是一个随机因子，C为宏基站和能源供应商的单位价格总和，cn为微基站的单位固有成本，建立整个异构网络的效用函数Пc(U，q)＝UE[min{q，y(U)ε}]-(C+cn)q；
第三步，通过求导得到宏基站和能源供应商的最优均衡存储因子zc，带宽和发射功率的最优单位价格总和Uc；
第四步，求出在集中式算法下异构网络最优效用。
3.根据权利要求1所述的基于博弈论的蜂窝异构网络资源分配方法，其特征在于，计算带宽和发射功率关于单位价格的关系函数为：
<mrow> <msub> <mi>U</mi> <mrow> <mo>-</mo> <mi>i</mi> </mrow> </msub> <mo>=</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </msubsup> <msub> <mi>u</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>u</mi> <mi>i</mi> </msub> <mo>=</mo> <mi>U</mi> <mo>-</mo> <msub> <mi>u</mi> <mi>i</mi> </msub> <mo>.</mo> </mrow>
4.根据权利要求1所述的基于博弈论的蜂窝异构网络资源分配方法，其特征在于，宏基站和能源供应商的效用函数为：
Πi(ui|U-i，z)＝(1-r)uiy(ui+U-i)E[min{z，ε}]-cizy(ui+U-i)
＝y(ui+U-i){(1-r)ui[z-Λ(z)]-ciz}
ui为带宽w或发射功率pn的单位价格，k＝2为带宽和发射功率的单位价格总和，考虑实际情况下，由于路径损耗、传输距离的不同，每个微基站的所要支付的回传带宽的单位价格会有一定的波动，定义r(0≤r≤1)为价格因子，由于用户的需求不确定，但是会收到U的影响，定义D(U)为需求函数，且D(U)＝y(U)ε，y(U)是关于U的一个确定的递减函数，ε是一个随机因子，其累积分布函数为F(·)，概率分布函数为f(·)，均值为μ，宏基站和能源供应商存储单位数量的固有成本为ci，单位成本总和为k＝2，而微基站为单个用户提供服务的固有成本为cn。
5.根据权利要求1所述的基于博弈论的蜂窝异构网络资源分配方法，其特征在于，求出宏基站和能源供应商的最优收益的具体过程为：
通过对ui求导，可以得到ui有最大值，即
<mrow> <msub> <mi>u</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>U</mi> <mrow> <mo>-</mo> <mi>i</mi> </mrow> </msub> <mo>,</mo> <mi>z</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>bc</mi> <mi>i</mi> </msub> <mi>z</mi> </mrow> <mrow> <mo>(</mo> <mi>b</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>r</mi> <mo>)</mo> <mo>&amp;lsqb;</mo> <mi>z</mi> <mo>-</mo> <mi>&amp;Lambda;</mi> <mo>(</mo> <mi>z</mi> <mo>)</mo> <mo>&amp;rsqb;</mo> </mrow> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>U</mi> <mrow> <mo>-</mo> <mi>i</mi> </mrow> </msub> <mrow> <mi>b</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> </mrow>
这种纯策略均衡单位价格ui(z)如果存在，则可以通过求解k个联立方程，所以，如果b＞k，则对于任何给定的储备因子z，宏基站和能源供应商的价格博弈具有唯一的纳什均衡解，即：
<mrow> <msub> <mi>u</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>z</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mi>z</mi> <mrow> <mo>&amp;lsqb;</mo> <mi>z</mi> <mo>-</mo> <mi>&amp;Lambda;</mi> <mrow> <mo>(</mo> <mi>z</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <mn>1</mn> <mrow> <mo>(</mo> <mi>b</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>r</mi> <mo>)</mo> </mrow> </mfrac> <mo>&amp;lsqb;</mo> <mrow> <mo>(</mo> <mi>b</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> </mrow> <msub> <mi>c</mi> <mi>i</mi> </msub> <mo>+</mo> <mi>C</mi> <mo>&amp;rsqb;</mo> </mrow>
据此可以计算出资源供应商的总销售价格：
<mrow> <mi>U</mi> <mrow> <mo>(</mo> <mi>z</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </msubsup> <msub> <mi>u</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>z</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mi>z</mi> <mrow> <mo>&amp;lsqb;</mo> <mi>z</mi> <mo>-</mo> <mi>&amp;Lambda;</mi> <mrow> <mo>(</mo> <mi>z</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <mrow> <mi>b</mi> <mi>C</mi> </mrow> <mrow> <mo>(</mo> <mi>b</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>r</mi> <mo>)</mo> </mrow> </mfrac> <mo>.</mo> </mrow>
6.根据权利要求1所述的基于博弈论的蜂窝异构网络资源分配方法，其特征在于，计算宏基站和能源供应商的最优存储因子的逆向归纳法的过程如下：
如果d[xh(x)]/dx＝h(x)+xd[h(x)]/dx＞0，则宏基站和能源供应商的效用函数Пi(ui|U-i，z)是关于z的拟凹函数，根据集中决策的结果分析，z有最大值z＝zc，并且zc是集中式算法下的存储因子，所以当z＝zc时，相应的纳什均衡就是帕累托最优，即可以得到z＝zc是宏基站和能源供应商的子博弈问题中z的最优解，求得在均衡条件下宏基站和能源供应商单位价格总和为：
<mrow> <mi>U</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msub> <mi>z</mi> <mi>c</mi> </msub> <mrow> <msub> <mi>z</mi> <mi>c</mi> </msub> <mo>-</mo> <mi>&amp;Lambda;</mi> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <mrow> <mi>b</mi> <mi>C</mi> </mrow> <mrow> <mo>(</mo> <mi>b</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>r</mi> <mo>)</mo> </mrow> </mfrac> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <mi>b</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mi>b</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>r</mi> <mo>)</mo> </mrow> </mfrac> <msub> <mi>U</mi> <mi>c</mi> </msub> <mo>.</mo> </mrow>
7.根据权利要求1所述的基于博弈论的蜂窝异构网络资源分配方法，其特征在于，根据宏基站和能源供应商提供的最优带宽和发射功率，计算微基站的最优效用如下：
<mrow> <msub> <mo>&amp;Pi;</mo> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>a</mi> <msup> <mrow> <mo>(</mo> <mi>b</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> </mrow> <mrow> <mi>b</mi> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msup> <mrow> <mo>&amp;lsqb;</mo> <msub> <mi>z</mi> <mi>c</mi> </msub> <mo>-</mo> <mi>&amp;Lambda;</mi> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mi>b</mi> </msup> </mrow> <mrow> <msup> <mrow> <mo>&amp;lsqb;</mo> <mi>b</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mi>b</mi> </msup> <msup> <mrow> <mo>(</mo> <mi>C</mi> <mo>+</mo> <msub> <mi>c</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mrow> <mi>b</mi> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msup> <msub> <mi>z</mi> <mi>c</mi> </msub> <mrow> <mi>b</mi> <mo>-</mo> <mn>1</mn> </mrow> </msup> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <mi>g</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> </mrow>
其中
g(r)＝{[(1-α)b+(b-k)α]r-(b-k)α}(1-r)b-1
通过推导可知，对于b＞k，PBS的效用函数П0(r)是关于r的拟凹函数，所以r具有唯一的最大值，即
<mrow> <msub> <mi>r</mi> <mn>0</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <mi>b</mi> <mo>-</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> <mi>&amp;alpha;</mi> <mo>+</mo> <mn>1</mn> </mrow> <mrow> <mi>b</mi> <mo>-</mo> <mi>k</mi> <mi>&amp;alpha;</mi> </mrow> </mfrac> <mo>.</mo> </mrow>
CN201711058713.3A 2017-11-01 2017-11-01 一种基于博弈论的蜂窝异构网络资源分配方法 Pending CN107864512A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711058713.3A CN107864512A (zh) 2017-11-01 2017-11-01 一种基于博弈论的蜂窝异构网络资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711058713.3A CN107864512A (zh) 2017-11-01 2017-11-01 一种基于博弈论的蜂窝异构网络资源分配方法

Publications (1)

Publication Number Publication Date
CN107864512A true CN107864512A (zh) 2018-03-30

Family

ID=61696449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711058713.3A Pending CN107864512A (zh) 2017-11-01 2017-11-01 一种基于博弈论的蜂窝异构网络资源分配方法

Country Status (1)

Country Link
CN (1) CN107864512A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108600014A (zh) * 2018-04-27 2018-09-28 哈尔滨工业大学深圳研究生院 一种基于Stackelberg博弈的存储资源分配方法
CN108966252A (zh) * 2018-07-19 2018-12-07 华北电力大学 一种sdn中多媒体流的联合定价和带宽分配方案
CN108990071A (zh) * 2018-08-10 2018-12-11 南京邮电大学 一种基于noma的cr网络***中两步走的功率分配方法
CN109451542A (zh) * 2018-11-22 2019-03-08 中国人民解放军陆军工程大学 一种基于频谱开销的预售***模型及分层学习算法
CN109618351A (zh) * 2019-01-09 2019-04-12 南京邮电大学 基于stackelberg博弈的异构网络中的资源分配方法
CN110072288A (zh) * 2019-04-08 2019-07-30 东南大学 一种雾无线接入网中基于博弈论的边缘缓存资源配置方法
CN110825517A (zh) * 2019-09-29 2020-02-21 清华大学 一种基于演化博弈论的分布式资源动态分配方法
CN112181658A (zh) * 2020-09-30 2021-01-05 南京工程学院 一种异构网络中最大化网络收益的计算任务分配方法
CN112533275A (zh) * 2020-11-13 2021-03-19 北京科技大学 可再生能源异构网络的功率控制和干扰定价方法及装置
CN115209555A (zh) * 2022-06-10 2022-10-18 广西壮族自治区通信产业服务有限公司技术服务分公司 一种基于博弈论的网络切片与算力资源的分配方法及***
CN115361052A (zh) * 2022-07-29 2022-11-18 南京邮电大学 一种兼顾能效和谱效的卫星波束成形方法及装置
WO2023108761A1 (zh) * 2021-12-14 2023-06-22 清华大学 监控业务带宽分配方法、装置、电子设备及存储介质

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108600014A (zh) * 2018-04-27 2018-09-28 哈尔滨工业大学深圳研究生院 一种基于Stackelberg博弈的存储资源分配方法
CN108966252A (zh) * 2018-07-19 2018-12-07 华北电力大学 一种sdn中多媒体流的联合定价和带宽分配方案
CN108990071B (zh) * 2018-08-10 2022-03-04 南京邮电大学 一种基于noma的cr网络***中两步走的功率分配方法
CN108990071A (zh) * 2018-08-10 2018-12-11 南京邮电大学 一种基于noma的cr网络***中两步走的功率分配方法
CN109451542A (zh) * 2018-11-22 2019-03-08 中国人民解放军陆军工程大学 一种基于频谱开销的预售***模型及分层学习算法
CN109618351A (zh) * 2019-01-09 2019-04-12 南京邮电大学 基于stackelberg博弈的异构网络中的资源分配方法
CN109618351B (zh) * 2019-01-09 2022-01-07 南京邮电大学 基于stackelberg博弈的异构网络中的资源分配方法
CN110072288A (zh) * 2019-04-08 2019-07-30 东南大学 一种雾无线接入网中基于博弈论的边缘缓存资源配置方法
CN110825517A (zh) * 2019-09-29 2020-02-21 清华大学 一种基于演化博弈论的分布式资源动态分配方法
CN110825517B (zh) * 2019-09-29 2020-09-08 清华大学 一种基于演化博弈论的分布式资源动态分配方法
CN112181658A (zh) * 2020-09-30 2021-01-05 南京工程学院 一种异构网络中最大化网络收益的计算任务分配方法
CN112181658B (zh) * 2020-09-30 2024-04-05 南京工程学院 一种异构网络中最大化网络收益的计算任务分配方法
CN112533275A (zh) * 2020-11-13 2021-03-19 北京科技大学 可再生能源异构网络的功率控制和干扰定价方法及装置
CN112533275B (zh) * 2020-11-13 2022-01-25 北京科技大学 可再生能源异构网络的功率控制和干扰定价方法及装置
WO2023108761A1 (zh) * 2021-12-14 2023-06-22 清华大学 监控业务带宽分配方法、装置、电子设备及存储介质
CN115209555A (zh) * 2022-06-10 2022-10-18 广西壮族自治区通信产业服务有限公司技术服务分公司 一种基于博弈论的网络切片与算力资源的分配方法及***
CN115361052A (zh) * 2022-07-29 2022-11-18 南京邮电大学 一种兼顾能效和谱效的卫星波束成形方法及装置
CN115361052B (zh) * 2022-07-29 2023-07-25 南京邮电大学 一种兼顾能效和谱效的卫星波束成形方法及装置

Similar Documents

Publication Publication Date Title
CN107864512A (zh) 一种基于博弈论的蜂窝异构网络资源分配方法
Luong et al. Applications of economic and pricing models for resource management in 5G wireless networks: A survey
Zhang et al. Joint computation offloading and resource allocation optimization in heterogeneous networks with mobile edge computing
Du et al. Contract design for traffic offloading and resource allocation in heterogeneous ultra-dense networks
Yin et al. Joint spectrum and power allocation for D2D communications underlaying cellular networks
Duan et al. Contract-based cooperative spectrum sharing
Yi et al. Cooperative communication-aware spectrum leasing in cognitive radio networks
Guo et al. Joint energy and spectrum cooperation for cellular communication systems
Liu et al. Dynamic spectrum access algorithm based on game theory in cognitive radio networks
Kong Radio resource allocation scheme for reliable demand response management using D2D communications in smart grid
CN107172606B (zh) 一种可共用的绿色能源联合频谱在无线网络中的分配方法
Hsu et al. Optimizing spectrum-energy efficiency in downlink cellular networks
Oikonomakou et al. Energy sharing and trading in multi-operator heterogeneous network deployments
Fan et al. A collaborative task offloading scheme in D2D-assisted fog computing networks
Dai et al. Decoupled uplink-downlink association in full-duplex cellular networks: A contract-theory approach
Zhang et al. Contracts for joint downlink and uplink traffic offloading with asymmetric information
Noreen et al. Discount interference pricing mechanism for data offloading in D2D communications
CN107248920B (zh) 一种基于主从博弈的可再生能源分配算法
CN109451542A (zh) 一种基于频谱开销的预售***模型及分层学习算法
CN113902178B (zh) 一种中继功率分配比例和能量价格的协同优化方法及***
Wu et al. Maximizing throughput gain via resource allocation in D2D communications
CN109219069B (zh) 基于多运营商合作的绿色回程网络的能源分配和定价方法
Li et al. Joint access spectrum and backhaul energy allocation for green cognitive heterogeneous networks
Qiao et al. Multiple time-scale energy scheduling with energy harvesting aided heterogeneous cloud radio access networks
Li et al. A dynamic game algorithm for power allocation in cognitive relay transmission

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180330