异构动态移动通信网络的延时优化

With the rapidly increasing popularity and computing capability of mobile devices, e.g., smartphones and tablets, many major information services are now also provided to mobile devices besides traditional desktop computers. Due to the mobile users' rigid requirements in receiving real-time services, providing the users with low-latency services is now a key step towards the prosperity of the mobile communication industry. However, due to the intrinsic dynamic and heterogeneous nature of mobile communication networks, and the severe energy constraint of mobile devices, most existing network control algorithms are not able to provide guaranteed quality-of-service to the users. This research aims at developing control techniques for constructing low-latency data delivery algorithms that have theoretical performance guarantees. Specifically, we focus on the following research threads: (1) Control technique for heterogeneous networks; (2) Optimal control for energy harvesting information processing networks; (3) User behavior pattern learning and predictive scheduling; (4) Design fast-convergent network control algorithms. The goal of this project is to obtain design and implementation principles for practical mobile communication systems through rigorous theoretical study and comprehensive testbed experiments.

随着移动通信设备(如手机和平板电脑)的日益普及以及计算能力的迅速增长，大量的信息服务开始由面向传统的计算机转为同时服务移动通信终端设备。由于移动用户对服务实时性的要求越发严格，如何在动态的移动网络环境里为用户提供低延时的信息服务，已经成为移动通信产业持续发展所亟须解决的重要问题。然而，由于移动通信网络自身具有高度的动态性(Dynamic)、异构性(Heterogeneous)，以及极大地受限于电池容量(Energy-Constrained)，现有的网络算法无法很好地在移动网络中满足用户的延时要求。本项目旨在为多跳异构移动通信网络开发具有严格理论系统性能保障的低延时数据传输算法设计技术。项目专注于以下四个研究课题：(1)异构网络控制技术；(2)具有能源收集能力的信息处理网络调度；(3)采用用户行为模式预测减少数据延时；(4)设计快速收敛的控制算法。

随着移动通信设备的日益普及以及计算能力的迅速增长, 大量的信息服务开始由面向传统的计算机转为同时服务移动通信终端设备。由于移动用户对服务实时性的要求越发严格,如何在动态的移动网络环境里为用户提供低延时的信息服务, 已经成为移动通信产业持续发展所亟须解决的重要问题。然而,由于移动通信网络自身具有高度的动态性(Dynamic)、异构性(Heterogeneous),以及极大地受限于电池容量(Energy-Constrained),现有的网络算法无法很好地在移动网络中满足用户的延时要求。..本项目旨在为多跳异构移动通信网络开发具有严格理论系统性能保障的低延时数据传输算法设计技术。项目主要关注以下四个研究课题:(1)异构网络控制技术;(2)具有能源收集能力的信息处理网络调度;(3)采用用户行为模式预测减少数据延时;(4)设计快速收敛的控制算法。本项目的主要成果可概括如下：.1..团队设计出在具有能源收集能力的动态网络中能获得[O(1/V), O(log(V)2)] 的性能延时比的新算法。与过往的算法相比，基于在线学习的算法能更进一步加快算法的收敛速度，从而进一步减小储能容量需求。.2..团队提出预测式的Backpressure调度算法，设计了针对无法提前服务需求的系统的控制，并证明这一做法有效的改善了系统延时。.3..对于加速控制算法收敛速度，团队设计出针对平稳系统及时变多跳网络的控制技术OLAC以及RLC。两个算法很好的结合了分布预测、检验以及联合学习控制。此结果不仅能应用于网络控制，也使我们能更好的理解系统信息统计与控制之间的结合。.4..团队将预测式调度与联合学习优化进行进一步的结合与扩展，并同时发展出队列匹配模型，适用于更广泛的资源匹配场景。..项目的成果为未来移动通信网络的算法设计与性能评测提供了理论基础与工具。项目成果也为更好的结合日益发展的数据科学与人工智能和网络优化提供了新的见解。