CN108541071B - 基于双层博弈的无线通信***多用户资源分配*** - Google Patents

基于双层博弈的无线通信***多用户资源分配*** Download PDF

Info

Publication number
CN108541071B
CN108541071B CN201810318244.2A CN201810318244A CN108541071B CN 108541071 B CN108541071 B CN 108541071B CN 201810318244 A CN201810318244 A CN 201810318244A CN 108541071 B CN108541071 B CN 108541071B
Authority
CN
China
Prior art keywords
user
module
game
group
evolutionary
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.)
Active
Application number
CN201810318244.2A
Other languages
English (en)
Other versions
CN108541071A (zh
Inventor
姜春晓
倪祖耀
匡麟玲
吴胜
葛宁
朱向明
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN201810318244.2A priority Critical patent/CN108541071B/zh
Publication of CN108541071A publication Critical patent/CN108541071A/zh
Application granted granted Critical
Publication of CN108541071B publication Critical patent/CN108541071B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W72/00Local resource management
    • H04W72/50Allocation or scheduling criteria for wireless resources
    • H04W72/53Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了基于双层博弈的无线通信***多用户资源分配***,包括群体内演化博弈求解模块、群体间演化博弈求解模块、信息收集模块、能量最优资源分配模块和斯塔克尔伯格博弈求解模块;信息收集模块用于收集信道信息;群体内演化博弈求解模块用于求解用户群体内演化均衡业务选择结果;群体间演化博弈求解模块用于求解不同用户群体间演化均衡业务结果;能量最优资源分配模块用于求解能量最优资源分配和最小能量损耗结果;斯塔克尔伯格博弈求解模块根据不同定价下的业务选择结果求解运营商最大***效用和最优资源分配结构。本发明通过求解双层博弈得到运营商和用户之间的最优定价关系、运营商最优资源分配结构,最小化***能量消耗,最大化***收益。

Description

基于双层博弈的无线通信***多用户资源分配***
技术领域
本发明涉及通信技术领域,尤其是基于双层博弈的无线通信***多用户资源分配***。
背景技术
随着移动通信的发展,日益增长的通信需求给通信网络带来了越来越大的压力。到2020年,通信数据量预计将增长1000倍以上。在有限的资源条件下,如何合理的在多用户之间分配资源,实现***的最大效用,将成为亟待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供基于双层博弈的无线通信***多用户资源分配***,通过求解双层博弈,得到运营商和用户之间的最优定价关系,以及运营商最优的***资源分配结构,能够最小化***的能量消耗,最大化***收益,同时具有较低的复杂度。
第一方面,本发明实施例提供了基于双层博弈的无线通信***多用户资源分配***,包括群体内演化博弈求解模块、群体间演化博弈求解模块、信息收集模块、能量最优资源分配模块和斯塔克尔伯格博弈求解模块;
所述信息收集模块,与所述能量最优资源分配模块相连接,用于收集第一用户群体的第一信道信息和第二用户群体的第二信道信息;
所述群体内演化博弈求解模块,与所述群体间演化博弈求解模块相连接,用于求解所述第一用户群体内和所述第二用户群体内的用户演化均衡下的第一业务选择结果;
所述群体间演化博弈求解模块,分别与所述能量最优资源分配模块和所述斯塔克尔伯格博弈求解模块相连接,用于根据所述第一业务选择结果求解第一用户群体和第二用户群体之间演化均衡下的第二业务选择结果;
所述能量最优资源分配模块,与所述斯塔克尔伯格博弈求解模块相连接,用于在满足所述第二业务选择结果的情况下,根据所述第一信道信息和所述第二信道信息得到能量最优资源分配结果和所述***的能量损耗结果;
所述斯塔克尔伯格博弈求解模块,用于根据不同定价下的所述第二业务选择结果和所述能量最优资源分配结果,得到运营商最大***效用和最优资源分配结构。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述信息收集模块包括第一用户群体信道信息收集模块和第二用户群体信道信息收集模块。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,还包括:
所述第一用户群体信道信息收集模块,用于收集所述第一信道信息;
所述第二用户群体信道信息收集模块,用于收集所述第二信道信息。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述运营商提供低质量业务和高质量业务。
结合第一方面的第三种可能的实施方式,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述第一业务选择结果包括第一用户比例和第二用户比例,其中,所述第一用户比例为所述第一用户群体中选择所述低质量业务的比例,所述第二用户比例为所述第二用户群体中选择所述低质量业务的比例。
结合第一方面的第四种可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述群体内演化博弈求解模块包括第一用户群体演化博弈求解模块和第二用户群体演化博弈求解模块。
结合第一方面的第五种可能的实施方式,本发明实施例提供了第一方面的第六种可能的实施方式,其中,还包括:
所述第一用户群体演化博弈求解模块,用于将所述第二用户群体的所述第二用户比例给定的条件下,求解所述第一用户群体的所述第一用户比例;
所述第二用户群体演化博弈求解模块,用于将所述第一用户群体的所述第一用户比例给定的条件下,求解所述第二用户群体的所述第二用户比例。
结合第一方面,本发明实施例提供了第一方面的第七种可能的实施方式,其中,所述群体内演化博弈求解模块通过动态价格策略求解所述第一业务选择结果。
结合第一方面的第四种可能的实施方式,本发明实施例提供了第一方面的第八种可能的实施方式,其中,所述群体间演化博弈求解模块根据所述第一用户比例和所述第二用户比例互为函数求解所述第二业务选择结果。
第二方面,本发明实施例提供了基于双层博弈的无线通信***多用户资源分配***,包括如上所述的基于双层博弈的无线通信***多用户资源分配***,还包括:
信息收集模块还用于利用导频估计第一用户群体和第二用户群体的信道信息。
本发明提供了基于双层博弈的无线通信***多用户资源分配***,包括群体内演化博弈求解模块、群体间演化博弈求解模块、信息收集模块、能量最优资源分配模块和斯塔克尔伯格博弈求解模块;信息收集模块用于收集信道信息;群体内演化博弈求解模块用于求解用户群体内演化均衡业务选择结果;群体间演化博弈求解模块用于求解不同用户群体间演化均衡业务结果;能量最优资源分配模块用于求解能量最优资源分配和最小能量损耗结果;斯塔克尔伯格博弈求解模块根据不同定价下的业务选择结果求解运营商最大***效用和最优资源分配结构。本发明通过求解双层博弈得到运营商和用户之间的最优定价关系、运营商最优资源分配结构,最小化***能量消耗,最大化***收益。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于双层博弈的无线通信***多用户资源分配***示意图;
图2为本发明实施例提供的第一用户群体的博弈演化均衡点示意图;
图3为本发明实施例提供的***演化过程示意图;
图4为本发明实施例提供的***总收益对比示意图。
图标:
10-信息收集模块;20-群体内演化博弈求解模块;30-群体间演化博弈求解模块;40-能量最优资源分配模块;50-斯塔克尔伯格博弈求解模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,随着移动通信的发展,日益增长的通信需求给通信网络带来了越来越大的压力。到2020年,通信数据量预计将增长1000倍以上。在有限的资源条件下,如何合理的在多用户之间分配资源,实现***的最大效用,将成为亟待解决的问题。基于此,本发明实施例提供的基于双层博弈的无线通信***多用户资源分配***,通过求解双层博弈,得到运营商和用户之间的最优定价关系,以及运营商最优的***资源分配结构,能够最小化***的能量消耗,最大化***收益,同时具有较低的复杂度。
实施例一:
在未来5G通信中,***延时成为***性能的重要考量,针对不同用户与服务,运营商将会提供不同的延时保障。由于用户会根据业务的延时和价格选择不同的业务,运营商需要做出最优的价格决定,从而最大化***效用。该过程可视为典型的斯塔克尔伯格博弈,斯塔克尔伯格博弈在定价问题和基于价格的资源分配问题中有广泛的应用。斯塔克尔伯格博弈模型是一个价格领导模型,博弈双方分别扮演领导者和追随者的角色,追随者在领导者做出决定之后,追随领导者做出自身的决定,优化自身利益。
与此同时,移动通信的发展也带来了用户群体的复杂性,用户群体将从简单的单一结构,到复杂的多用户群体结构,不同用户群体之间同样存在通信资源的竞争。演化博弈通常用于建模不同群体间的竞争过程。演化博弈基于生物进化理论,考虑非完全理性的用户群体之间的竞争关系,得到不同用户群体之间的博弈均衡。
基于以上双层博弈模型,能够有效刻画运营商和用户之间,以及用户与用户之间的资源竞争关系,从而进一步优化***资源。
图1为基于双层博弈的无线通信***多用户资源分配***的示意图。
参照图1,基于双层博弈的无线通信***多用户资源分配***,包括群体内演化博弈求解模块20、群体间演化博弈求解模块30、信息收集模块10、能量最优资源分配模块40和斯塔克尔伯格博弈求解模块50;
信息收集模块10,与能量最优资源分配模块40相连接,用于收集第一用户群体的第一信道信息和第二用户群体的第二信道信息;
群体内演化博弈求解模块20,与群体间演化博弈求解模块30相连接,用于求解第一用户群体内和第二用户群体内的用户演化均衡下的第一业务选择结果;
群体间演化博弈求解模块30,分别与能量最优资源分配模块40和斯塔克尔伯格博弈求解模块50相连接,用于根据第一业务选择结果求解第一用户群体和第二用户群体之间演化均衡下的第二业务选择结果;
能量最优资源分配模块40,与斯塔克尔伯格博弈求解模块50相连接,用于在满足第二业务选择结果的情况下,根据第一信道信息和第二信道信息得到能量最优资源分配结果和***的能量损耗结果;
斯塔克尔伯格博弈求解模块50,用于根据不同定价下的第二业务选择结果和能量最优资源分配结果,得到运营商最大***效用和最优资源分配结构。
进一步地,信息收集模块包括第一用户群体信道信息收集模块和第二用户群体信道信息收集模块。
进一步地,还包括:
第一用户群体信道信息收集模块,用于收集第一信道信息;
第二用户群体信道信息收集模块,用于收集第二信道信息。
进一步地,运营商提供低质量业务和高质量业务。
进一步地,第一业务选择结果包括第一用户比例和第二用户比例,其中,第一用户比例为第一用户群体中选择低质量业务的比例,第二用户比例为第二用户群体中选择低质量业务的比例。
进一步地,群体内演化博弈求解模块20包括第一用户群体演化博弈求解模块和第二用户群体演化博弈求解模块。
进一步地,还包括:
第一用户群体演化博弈求解模块,用于将第二用户群体的第二用户比例给定的条件下,求解第一用户群体的第一用户比例;
第二用户群体演化博弈求解模块,用于将第一用户群体的第一用户比例给定的条件下,求解第二用户群体的第二用户比例。
进一步地,群体内演化博弈求解模块20通过动态价格策略求解第一业务选择结果。
进一步地,群体间演化博弈求解模块30根据第一用户比例和第二用户比例互为函数求解第二业务选择结果。
实施例二:
本发明实施例的方案中,考虑运营商提供两种不同的业务(低质量业务1,高质量业务2),两种业务的延时为τ12,价格为o1<o2。同时,考虑***中存在两种用户群体,用户群体S={uS,1,...uS,M}和用户群体T={uT,1,...uT,K}。针对两种不同业务,不同用户将会有不同的选择,表示为bS,m∈{1,2},bT,k∈{1,2}。需要说明的是,本发明实施例的用户群体S与用户群体T,对应上述实施例的第一用户群体和第二用户群体。
运营商的效用函数由收益和能量消耗两部分组成:
Uope=(πoOS+OT)-ηe(ES+ET) (1)
其中,是来自用户群体S的收益,是来自用户群体T的收益,πo>1是不同用户群体之间的价格系数,我们假设用户群体S的价格高于用户群体T。ES和ET为满足用户群体S和用户群体T所选择的业务需要消耗的能量,ηe是能量成本系数。
由于用户会根据业务的延时和价格选择不同的业务,运营商需要做出最优的价格决定,分析用户之间的竞争行为,合理分配***资源,最大化来自用户收益,最小化***能量消耗,从而最大化***效用。
本发明实施例可分为以下5个模块:群体内演化博弈求解模块20、群体间演化博弈求解模块30、信息收集模块10、能量最优资源分配模块40、斯塔克尔伯格博弈求解模块50。
群体内演化博弈求解模块20的功能是求解各用户群体内用户演化均衡下的业务选择结果。包括以下2个部分:用户群体S演化博弈求解模块,用户群体T演化博弈求解模块。
在传统博弈论中,纳什均衡点通常被当做***最优解,在纳什均衡点处,所有用户都不会主动离开该均衡点。但传统的纳什均衡点是建立在用户绝对理性的假设上的,绝对理性假设所有用户都会选择最大化自身效用的选择。但这样的假设不一定总是正确,在实际场景中,有限理性可能是更加合理的假设。因此,起源于生物学的演化博弈理论在更多领域得到了广泛的应用。在演化博弈中,***不会立刻达到最优状态,用户会不断的改变选择,知道达到演化均衡。在演化均衡中,种群的概念被应用在其中,相同选择的用户被统一视为成一个种群,最终得到的演化均衡为不同种群的人口占比。
考虑用户的有限理性,静态的价格策略可能会在***达到演化均衡之前遭受较大的效用损失,尤其是演化过程较长时。因此我们考虑动态的价格策略:每当运营商收到来自用户的业务选择时,运营商将会动态调整下一次业务的价格。我们用κS∈[0,1],κT∈[0,1]表示用户群体S和用户群体T中选择低质量业务的用户比例,我们可以得到
o2,next=ηupo2 (2)
ηup=πupup,1κSup,2(1-κS)]+[ηup,1κTup,2(1-κT)]. (3)
其中,ηup,1和ηup,2是针对两种服务的价格调整系数,πup>1是针对用户群体S的额外调整系数。自然的,我们有ηup,1<1,ηup,2>1。由于运营商动态的调整价格,用户在决定业务选择的时候也需要将价格调整纳入考虑。我们用ρ∈[0,1]表示价格调整对用户选择的影响比例,ρ越大表示用户越看重当前的价格,不重视调整后的价格。用q1,q2表示用户从两种延时业务中所获得的收益,q1<q2。用户的效用函数可以表示为:
US,1=q1oo1,US,2=q2oo2[ρ+(1-ρ)ηup] (4)
UT,1=q1-o1,UT,2=q2-o2[ρ+(1-ρ)ηup] (5)
每个用户的效用与价格设定,以及其他用户的选择均相关。对于不同的价格设定,将会构成不同的演化博弈,通过求解该博弈,可以得到不同用户的比例κST
对于用户群体S演化博弈求解模块,其的功能是将用户群体T的选择κT视为定值的条件下,求解用户群体S的演化均衡解κS
用户群体S的平均效用为:
用户群体S的演化速率,也即κS的变化率,可以用复制动态方程计算如下
***的演化均衡点是复制动态方程的稳定不动点,在该点处κS的变化率为0,并且任何离开该点小的扰动都会返回该点。通过求解FSS)=0,我们可以得到不动点如下:
其中Δq=q2-q1,Δηup=ηup,2up,1。当的取值在不同范围时,***的演化均衡点有不同的结果,分析如下:
(1)如图2(a)所示,对于任何初始值κS∈(0,1),κS将会最终变化为0,***的稳定均衡点为κS=0。
(2)如图2(b)所示,对于任何初始值κS∈(0,1),κS将会最终变化为1,***的稳定均衡点为κS=1。
(3)如图2(c)所示,对于任何初始值κS∈(0,1),κS将会最终变化为***的稳定均衡点为
一旦我们得到的取值,我们可以按照如实所述求得演化博弈的稳定均衡解κS。然而,的取值并不独立,实际上是用户群体T选择κT的函数。其中,等价于
同样的,等价于 等价于由于κT∈[0,1],我们根据和κT的取值讨论κS的求解如下:
(1)此时,对任意κT取值都有等价于因此我们有κS=0。
(2)此时,对任意κT取值都有等价于因此我们有κS=1。
(3)此时,需要进一步讨论κT的取值
(a)此时,我们有
(b)此时,我们有κS=0。
(4)此时,对任意κT取值都有等价于因此我们有
(5)此时,需要进一步讨论κT的取值
(a)此时,我们有κS=1。
(b)此时,我们有
对于用户群体T演化博弈求解模块,其功能是将用户群体S的选择κS视为定值的条件下,求解用户群体T的演化均衡解κT
类似于用户群体S演化博弈求解模块,结果如下:
(1)
(2)
(3)
(a)
(b)
(4)
(a)
(b)
(c)
(5)
(a)
(b)
其中,可按照用户群体S的同样方法分析计算如下:
群体间演化博弈求解模块的功能是求解多用户群体之间演化均衡下的业务选择。
在固定另外一个用户群体选择情况下,我们分别得到了用户群体S和用户群体T的演化均衡解。然而实际上用户群体S和用户群体T的选择κS和κT互为函数,我们同时考虑二者的互相影响,求解***的演化均衡解。
基于以上分析,我们可以得到之间的关系如下:
由于κS和κT的函数,我们根据的取值讨论***的均衡解。由于存在过多的情况,我们给出部分典型的求解情况如下:
(1)在该情况下,由于我们可以得到***的均衡解为(κS=0,κT=0)。
(2)在该情况下,由于我们可以得到***的均衡解为(κS=1,κT=1)。
(3)在该情况下,κS和κT互为函数,关系如下
(a)
(b)
如图3所示,我们分4个区域讨论***的均衡解。
区域1:在该情况下,κS趋向于0,κT趋向于因此区域1中的点将会趋于运动至区域4,区域1中无均衡点。
区域2:在该情况下,κS趋向于0,κT趋向于0。因此区域1中的点将会趋于运动至区域1、3、4,区域2中无均衡点。
区域3:在该情况下,κS趋向于κT趋向于0。因此区域3中的点将会趋于运动至均衡点
区域4:在该情况下,κS趋向于κT趋向于因此区域4中的点将会趋于运动至区域3,区域4中无均衡点。
基于以上分析,我们得到***稳定均衡点为
类似的,通过分析所有情况,我们得到最终***均衡解如表1所示。
表1***演化均衡解
信息收集模块的功能是收集***所需的信道信息。包括以下2个部分:用户群体S信道信息收集模块、用户群体T信道信息收集模块。
(1)用户群体S信道信息收集模块
用户群体S信道信息收集模块的功能是收集用户群体S的信道信息。利用导频,估计所有用户群体S的的信道信息。
(2)用户群体T信道信息收集模块
用户群体T信道信息收集模块的功能是收集用户群体T用户的信道信息。利用导频,估计所以用户群体T的信道信息。
能量最优资源分配模块的功能是,在满足不同用户业务选择的情况下,最优化用户间资源分配,最小化***能量消耗。
基于以上演化博弈求解模块,我们得到不同业务定价情况下,多用户群体间演化均衡下的业务选择。基于信息收集模块所收集的信道信息,在满足不同用户所选择的业务情况下,最优化所有用户间的资源分配,最小化***能量消耗。
斯塔克尔伯格博弈求解模块的功能是,根据不同定价下的用户业务选择以及能量最优资源分配结果,最大化运营商***效用,得到最优的资源分配结构。
基于φS和φT的定义,我们可以证明,φS和φT的取值随价格o2的增加而增加,并且有假设o2=o1时有φS≤0,当运营商增加价格o2时,用户的选择将会经历表1中所示的5个阶段。由于用户数量为离散值,所以最大效用在用户选择恰好做出改变前达到最大。由于***中总共有M+K个用户,同一时间改变选择的用户数量不会超过1个,所以我们只需计算以下的M+K+1种情况。
(1)φS=0。φS≤0所有用户均选择高质量业务,因此最大效用在φS=0时达到。
(2)0<φSup。在该情况下,部分用户群体S中的用户改变选择,选择低质量业务。由于用户数量只能够为整数,我们只需要计算以下M-1种情况,
(3)φS≥πupT≤1。在该情况下,所有用户群体S用户选择低质量业务,所有用户群体T用户选择高质量业务,最大效用在φT=1时获得。
(4)在该情况下,部分用户群体T中用户改变选择,选择低质量业务。同样的,由于用户数量为整数,我们计算K-1种情况。
(5)在该情况下,所有用户均选择低质量业务,***效用不变。
通过计算以上所有M+K+1种情况,我们最终得到实现最大效用的***的斯塔克尔伯格博弈均衡点,得到最优价格设定。
本发明实施例通过求解双层博弈,得到运营商和用户之间的最优定价关系,以及运营商最优的***资源分配结构,能够最小化***的能量消耗,最大化***收益,同时具有较低的复杂度。
实施例三:
为简化模型同时不失一般性,定义低质量业务的价格为1,不同延时业务的收益计算为其中ηq是业务上收益系数。价格系数πo=1.5,提价系数πup=1.5,价格调整影响系数ρ=0.5,业务收益差异Δq=3。不同提价系数下的***收益如下。基于双层博弈,得到了不同场景下的最优资源优化结构,最大化***收益。需要说明的是,图4中的三条曲线,其中最上面一条曲线对应ηup,1=0.25,中间位置的曲线对应ηup,1=0.5,最下面的曲线对应ηup,1=0.75。
本发明实施例提供的基于双层博弈的无线通信***多用户资源分配***,与上述实施例具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。

Claims (8)

1.一种基于双层博弈的无线通信***多用户资源分配***,其特征在于,包括群体内演化博弈求解模块、群体间演化博弈求解模块、信息收集模块、能量最优资源分配模块和斯塔克尔伯格博弈求解模块;
所述信息收集模块,与所述能量最优资源分配模块相连接,用于收集第一用户群体的第一信道信息和第二用户群体的第二信道信息;
所述群体内演化博弈求解模块,与所述群体间演化博弈求解模块相连接,用于求解所述第一用户群体内和所述第二用户群体内的用户演化均衡下的第一业务选择结果;
所述群体间演化博弈求解模块,分别与所述能量最优资源分配模块和所述斯塔克尔伯格博弈求解模块相连接,用于根据所述第一业务选择结果求解第一用户群体和第二用户群体之间演化均衡下的第二业务选择结果;
所述能量最优资源分配模块,与所述斯塔克尔伯格博弈求解模块相连接,用于在满足所述第二业务选择结果的情况下,根据所述第一信道信息和所述第二信道信息得到能量最优资源分配结果和所述***的能量损耗结果;
所述斯塔克尔伯格博弈求解模块,用于根据不同定价下的所述第二业务选择结果和所述能量最优资源分配结果,得到运营商最大***效用和最优资源分配结构;
所述群体内演化博弈求解模块通过动态价格策略求解所述第一业务选择结果;
所述群体间演化博弈求解模块根据第一用户比例和第二用户比例互为函数求解所述第二业务选择结果。
2.根据权利要求1所述的基于双层博弈的无线通信***多用户资源分配***,其特征在于,所述信息收集模块包括第一用户群体信道信息收集模块和第二用户群体信道信息收集模块。
3.根据权利要求2所述的基于双层博弈的无线通信***多用户资源分配***,其特征在于,还包括:
所述第一用户群体信道信息收集模块,用于收集所述第一信道信息;
所述第二用户群体信道信息收集模块,用于收集所述第二信道信息。
4.根据权利要求1所述的基于双层博弈的无线通信***多用户资源分配***,其特征在于,所述运营商提供低质量业务和高质量业务。
5.根据权利要求4所述的基于双层博弈的无线通信***多用户资源分配***,其特征在于,所述第一业务选择结果包括第一用户比例和第二用户比例,其中,所述第一用户比例为所述第一用户群体中选择所述低质量业务的比例,所述第二用户比例为所述第二用户群体中选择所述低质量业务的比例。
6.根据权利要求5所述的基于双层博弈的无线通信***多用户资源分配***,其特征在于,所述群体内演化博弈求解模块包括第一用户群体演化博弈求解模块和第二用户群体演化博弈求解模块。
7.根据权利要求6所述的基于双层博弈的无线通信***多用户资源分配***,其特征在于,还包括:
所述第一用户群体演化博弈求解模块,用于将所述第二用户群体的所述第二用户比例给定的条件下,求解所述第一用户群体的所述第一用户比例;
所述第二用户群体演化博弈求解模块,用于将所述第一用户群体的所述第一用户比例给定的条件下,求解所述第二用户群体的所述第二用户比例。
8.一种基于双层博弈的无线通信***多用户资源分配***,其特征在于,包括如权利要求1至权利要求7任一项所述的基于双层博弈的无线通信***多用户资源分配***,还包括:
信息收集模块还用于利用导频估计第一用户群体和第二用户群体的信道信息。
CN201810318244.2A 2018-04-10 2018-04-10 基于双层博弈的无线通信***多用户资源分配*** Active CN108541071B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810318244.2A CN108541071B (zh) 2018-04-10 2018-04-10 基于双层博弈的无线通信***多用户资源分配***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810318244.2A CN108541071B (zh) 2018-04-10 2018-04-10 基于双层博弈的无线通信***多用户资源分配***

Publications (2)

Publication Number Publication Date
CN108541071A CN108541071A (zh) 2018-09-14
CN108541071B true CN108541071B (zh) 2019-03-01

Family

ID=63479980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810318244.2A Active CN108541071B (zh) 2018-04-10 2018-04-10 基于双层博弈的无线通信***多用户资源分配***

Country Status (1)

Country Link
CN (1) CN108541071B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113300882B (zh) * 2021-05-08 2022-04-26 北京科技大学 一种面向材料大数据的数据收集传输方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105120468A (zh) * 2015-07-13 2015-12-02 华中科技大学 一种基于演化博弈论的动态无线网络选择方法
CN106953879A (zh) * 2017-05-12 2017-07-14 中国人民解放军信息工程大学 最优反应动态演化博弈模型的网络防御策略选取方法
CN106960246A (zh) * 2017-03-17 2017-07-18 重庆邮电大学 一种基于演化博弈的车辆诱导方法
CN107105453A (zh) * 2017-03-31 2017-08-29 合肥工业大学 基于层次分析法和进化博弈理论的异构网络选择接入方法
CN107220118A (zh) * 2017-06-01 2017-09-29 四川大学 移动云计算中计算资源定价与任务负载迁移策略研究
CN107276660A (zh) * 2017-06-22 2017-10-20 清华大学 非正交多址空地协同通信***中资源分配方法及装置
CN107292665A (zh) * 2017-06-14 2017-10-24 河海大学 一种基于Stackelberg博弈模型的售电公司最优定价方法
CN107483486A (zh) * 2017-09-14 2017-12-15 中国人民解放军信息工程大学 基于随机演化博弈模型的网络防御策略选取方法
CN107491657A (zh) * 2017-09-11 2017-12-19 合肥工业大学 用于智慧医疗服务决策的演化博弈方法及装置方法及装置
CN107566387A (zh) * 2017-09-14 2018-01-09 中国人民解放军信息工程大学 基于攻防演化博弈分析的网络防御行动决策方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3100547A1 (en) * 2014-01-28 2016-12-07 Nokia Solutions and Networks Oy Efficient resource utilization
CN105007583B (zh) * 2015-07-28 2019-04-12 华中科技大学 一种异构蜂窝网络中基于博弈的能效提升方法
CN105848296B (zh) * 2016-06-01 2019-04-16 南京邮电大学 一种基于斯坦克尔伯格博弈的资源分配方法
CN107181793B (zh) * 2017-04-27 2019-04-23 长安大学 基于动态博弈论的交通服务信息转发方法
CN107371213A (zh) * 2017-05-19 2017-11-21 西安电子科技大学 基于双层博弈框架下的联合功率控制和源节点选择的控制方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105120468A (zh) * 2015-07-13 2015-12-02 华中科技大学 一种基于演化博弈论的动态无线网络选择方法
CN106960246A (zh) * 2017-03-17 2017-07-18 重庆邮电大学 一种基于演化博弈的车辆诱导方法
CN107105453A (zh) * 2017-03-31 2017-08-29 合肥工业大学 基于层次分析法和进化博弈理论的异构网络选择接入方法
CN106953879A (zh) * 2017-05-12 2017-07-14 中国人民解放军信息工程大学 最优反应动态演化博弈模型的网络防御策略选取方法
CN107220118A (zh) * 2017-06-01 2017-09-29 四川大学 移动云计算中计算资源定价与任务负载迁移策略研究
CN107292665A (zh) * 2017-06-14 2017-10-24 河海大学 一种基于Stackelberg博弈模型的售电公司最优定价方法
CN107276660A (zh) * 2017-06-22 2017-10-20 清华大学 非正交多址空地协同通信***中资源分配方法及装置
CN107491657A (zh) * 2017-09-11 2017-12-19 合肥工业大学 用于智慧医疗服务决策的演化博弈方法及装置方法及装置
CN107483486A (zh) * 2017-09-14 2017-12-15 中国人民解放军信息工程大学 基于随机演化博弈模型的网络防御策略选取方法
CN107566387A (zh) * 2017-09-14 2018-01-09 中国人民解放军信息工程大学 基于攻防演化博弈分析的网络防御行动决策方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Game theoretic resource allocation in media cloud with mobile social users";Zhou Su et al;《IEEE TRANSACTIONS ON MULTIMEDIA》;20160830;全文
"Game-theoretic resource allocation methods for device-to-device communication";Song Lingyang et al;《IEEE Wireless Communications》;20140630;全文
"Stackelberg game for bandwidth allocation in cloud-based wireless live-streaming social networks";Nan Guofang et al;《IEEE SYSTEMS JOURNAL》;20140331;全文
"Two-Stage Game for Joint Bandwidth and Multiple Homing Relay Allocation in Cooperative D2D Networks";Chen Long;《IEEE COMPUTER SOCIETY》;20160130;全文

Also Published As

Publication number Publication date
CN108541071A (zh) 2018-09-14

Similar Documents

Publication Publication Date Title
WO2020216135A1 (zh) 基于边-端协同的多用户多mec任务卸载资源调度方法
CN105637925B (zh) 具有细化策略管理的动态频率和功率资源分配
Liang et al. Online auction-based resource allocation for service-oriented network slicing
Xiao et al. System delay optimization for mobile edge computing
CN110096362A (zh) 一种基于边缘服务器协作的多任务卸载方法
Li et al. Adaptive service function chaining mappings in 5G using deep Q-learning
CN106954234A (zh) 一种超密集异构网络中的用户连接和虚拟资源分配方法
CN107360202A (zh) 一种终端的接入调度方法和装置
CN103338387B (zh) 云计算下能量消耗和视频质量联合优化的数据包调度方法
CN108541071B (zh) 基于双层博弈的无线通信***多用户资源分配***
Xie et al. Network virtualization with dynamic resource pooling and trading mechanism
CN104994149B (zh) 一种面向云视频服务的资源提供方法
Saovapakhiran et al. Enhancing computing power by exploiting underutilized resources in the community cloud
Zhu et al. Optimal service rate in cognitive radio networks with different queue length information
CN107197530A (zh) Lte***下信道波动感知的下行资源分配算法
Xiao et al. A method for reducing cloud service request peaks based on game theory
CN115801804A (zh) 一种基于动态定价的多用户移动边缘计算卸载方法及***
CN105163392B (zh) 保证服务质量的多基站多用户比例公平调度方法
Chen et al. M-DRL: Deep reinforcement learning based coflow traffic scheduler with MLFQ threshold adaption
CN114490018A (zh) 一种基于资源特征匹配的服务调度算法
Chen et al. Learning scheduling bursty requests in Mobile Edge Computing using DeepLoad
Modina et al. Multi resource allocation for network slices with multi-level fairness
CN102208080A (zh) 一种优化服务资源的方法及***
Li et al. Profit-maximizing virtual machine provisioning based on workload prediction in computing cloud
CN109348430A (zh) 面向多信道多内容基站小区的组播调度方法

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
GR01 Patent grant
GR01 Patent grant