无线网络中多时间尺度动态自私性建模和多资源联合优化技术

In wireless networks, in terms of the different time-varying characteristics of both the node-selfishness and context information, multiple resources are dynamically optimized to ensure the high-efficient multi-service transmission. This project analyzes the node-selffish dynamic, and then investigates multi-timescale dynamic approach for both node-selfishness model and multi-resource joint optimization. Firstly, according to the different time-varying characteristics of both the node’s internal factors, i.e., its residual energy and available spectrum, and its external factors, i.e., its received incentive factors and service features, a two-timescale node-selfishness dynamic model is conceived to provide support for dynamic joint optimization of multiple resources. Secondly, based on the different time-varying characteristics of both selfishness and channel, the joint optimization problem of multiple resources is decomposed into three subproblems in multiple timescales: path selection, rate control, power and spectrum allocation. And then, a multi-timescale dynamic joint optimization algorithm is developed, which includes a path selection mechanism, a rate control mechanism and a resource allocation mechanism. Finally, by using the Lyapunov stability theorem, we analyze the stability and tracking error of this algorithm. The multi-timescale dynamic approach for both the node-selfishness model and multi-reosurce joint optimization provides support the high-efficient transmission of multiple services in time-varying selfish wireless networks.

在无线网络中，利用节点自私性和网络情景信息的不同时变特性，进行多种网络资源联合动态优化以保证业务数据的高效传输。本课题分析了动态的节点自私性，并以此探讨了多时间尺度上多网络资源联合动态优化技术。具体地，根据节点内在因素（即剩余能量和可用频谱）和外在因素（即其接收的激励因子和转发业务的特性）的不同时变特性，建立双时间尺度的节点自私性动态模型，为网络资源联合动态优化提供支撑。基于节点自私性和信道的时变特性，从多时间尺度上将诸多网络资源联合动态优化问题分解为路径选择、速率控制和功率频谱分配三个子优化问题，并依此建立多时间尺度联合动态优化算法，其包括路径选择机制、速率控制机制和功率频谱分配机制。最后，利用李雅普诺夫稳定性理论分析该动态算法的稳定性和跟踪误差。多时间尺度动态的自私性建模和多资源联合动态优化技术研究为业务数据在时变的无线网络中高效传输提供技术支撑。

在自私无线网络中，利用节点自私性和网络情景信息的不同时变特性，进行多种网络资源联合动态优化以保证业务数据的高效传输。本课题主要开展以下几方面的研究。.首先，根据节点内在因素（即剩余能量和可用频谱）和外在因素（即其接收的激励因子和转发业务的特性）的不同时变特性，建立双时间尺度的节点自私性动态模型，为网络资源联合动态优化提供支撑。为了分析和确定节点行为与其收集能量之间关系，构建了节点管理模型、能量消耗模型和能量收集模型，并设计了一种基于能量收集的无线网络中的自主能量管理方法；为了分析和确定节点行为与外在开销因子之间的关系，构建了多臂赌博机模型和其优化目标函数，以最大化整体网络效用值；利用神经网络的近似学习特性，学习节点自私性受其可用资源和激励因子的动态变化过程，近似地模拟出节点自私性动态模型，以优化网络性能。.其次，基于节点自私性和信道的时变特性，建立多时间尺度联合动态优化算法，其包括路径选择机制、速率控制机制和功率频谱分配机制。为了降低问题分析的复杂度，将资源分配问题分解为在不用网络节点的可执行问题。针对路径选择机制设计，引入了基于马尔可夫近似的分布式算法，以获得最佳的业务传输路径；针对速率控制机制和功率频谱分配机制设计，提出了剩余能量感知的低能量自适应聚类层次方法，以均衡节点的能量消耗并延长系统的生存期；针对多时间尺度的资源联合动态优化，提出了一个多时间尺度马尔可夫决策过程，其中每个时间尺度上的决策需依据其他时间尺度上的决策；为了提高网络的自主性和有效性，提出了一种自主学习算法，以通过学习历史经验实现稳定的控制策略。.本项目的研究成果面向我国信息化产业领域支柱行业的移动通信网络，项目执行期间发表多篇高水平科研论文并申请专利三项。