异构网络中基于联盟共演化博弈的自治化资源管理方法

Increasing amounts of wireless access technologies, combined.with the increasing complex access environments in heterogeneous networks, has spurred more and more interactions among network entities. In order to improve the system and individual performance, as well as satisfying growing consumer demand for access to network services anywhere and anytime, netwrok nodes will take more frequent coalitional and evolutionary behaviors to self-adapt to the complex and dynamic resource scenarios in future autonomic network management system. To this end, our research focus on the resource management in heterogeneous networks. We study the autonomous behavior modeling, coalition stable notions and coalition formation schemes, as well as evolutionary learning strategy under incomplete .information. Then we propose a Coalition with Evolution Game Model (CEGM). Based on this model, we analyse the dynamic behaviors of the rational or bounded rational nodes and explore its impact on the network performance. Finally, a resource management framework is proposed to optimize the performance of heterogeneous networks. All these schemes and methods can provide a theoretical and methodological .guidance to establish the self-organizing,self-optimizing and self-healing management mechanism in heterogeneous networks.

异构网络的接入环境日益复杂而多样化，网络元素间的交互正变得愈加频繁。在未来自治化的网络管理体系下，节点将呈现出频繁的联盟与策略演化行为，以自适应地匹配异构网络的复杂动态资源场景，提升系统或个体性能，满足用户随时随地享受高质量网络服务的需求。本项目以异构网络下的资源管理为研究对象，将节点动态自治行为建模，联盟稳定分配与构型机制设计，策略演化与不完全信息下的学习决策机制等科学问题作为主攻关键，通过对异构网络环境及节点动态联盟与策略演化行为的探讨与分析，建立异构网络的联盟共演化博弈模型（CEGM），并基于此模型，规范和分析理性或有限理性节点在联盟共演化过程中所体现的动态自治行为，探讨其对网络整体性能的影响，提出面向异构网络性能优化的资源管理方法，为建立具有自组织、自优化、自恢复等自治特征的异构网络管理机制提供理论指导与方法支持。

异构网络的接入环境日益复杂而多样化，网络元素间的交互正变得愈加频繁。在这一背景下，本项目从跨学科的角度出发，以博弈和学习理论为基础设计自组织策略与算法，以解决未来具有自配置，自优化，自恢复特征的无线网络的若干管理，控制与优化问题。.首先，以联盟形成博弈，斯塔克伯格博弈，多人非合作博弈以及基于最优反应动态的享乐偏好学习理论为基础，研究了异构无线网络中的网络选择问题。针对现有网络驱动和用户驱动网络选择算法的不足之处，提出了一种全新的基于社会-行为的双层网络选择框架（SoBe）。仿真实验验证了SoBe 机制在主要性能指标上都优于传统的用户驱动网络选择方法。同时，凭借着享乐联盟博弈和非合作博弈框架，使得我们的机制能够自适应高度动态化的异构无线环境，具有自配置，自优化特征。.其次，利用网络形成博弈，不完全信息下的强化学习理论，研究了一种基于无线网络的智能电网仪表数据QoS采集和路由机制。仿真结果验证了所提出的路由机制可以有效的提高多样化仪表数据业务的QoS 传输性能。同时，所构建的博弈模型及相应的自组织策略与算法赋予了仪表数据采集网络显著的自优化和自恢复特征。.接着，利用网络形成博弈，非零和博弈，虚拟对策学习理论，重点研究了复杂无线攻击下的智能电网电力需求数据安全可靠聚合机制。仿真结果验证了所提出的博弈和学习机制可以有效维持仪表数据传输的安全性和可靠性，降低用户的电力需求或使用成本，同时在面临复杂的无线恶意攻击下体现出较好的自优化，自恢复特征。.最后，对智能电网中用户需求响应管理的博弈机制进行研究，提出了基于混合联盟非合作博弈机制，本研究利用非合作博弈、联盟博弈理论，针对混合能源的智能电网中用户的配电策略方法进行研究。仿真结果表明我们提出的混合联盟非合作博弈策略能够降低相比于初始状态下的用户和电网公司的总成本。同时，凭借着享乐联盟博弈和非合作博弈框架，使得我们的机制能够自适应动态用户需求，具有自适应，自配置特征。