检索结果-南通市图书馆

基于集成深度神经网络流量预测的动态网络切片迁移算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第3期45卷 1074-1082页

作者：唐伦周鑫隆吴婷王恺陈前斌重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学移动通信重点实验室重庆400065

针对5G网络切片(NS)场景下由于缺乏提前对物理网络资源进行感知而导致切片迁移滞后的问题,该文提出一种基于集成深度神经网络流量预测的动态切片调整和迁移算法(DSAM)。首先建立了基于计算、内存、带宽资源配置的网络总惩罚模型;其次,... 详细信息

针对5G网络切片(NS)场景下由于缺乏提前对物理网络资源进行感知而导致切片迁移滞后的问题,该文提出一种基于集成深度神经网络流量预测的动态切片调整和迁移算法(DSAM)。首先建立了基于计算、内存、带宽资源配置的网络总惩罚模型;其次,提出基于集成深度神经网络的流量预测算法预测未来网络流量情况,并根据流量类型的不同将其转换成对未来时刻物理网络的资源占用及切片的资源需求感知;最后,根据感知结果,以尽可能大地降低运营商惩罚为目标,通过动态切片调整和迁移策略将虚拟网络功能(VNF)和虚拟链路迁移到满足资源限制的物理节点和链路上。仿真结果表明,所提算法有效提高了切片迁移的效率和网络资源利用率。

关键词：流量预测集成学习切片迁移和调整资源分配

基于加权二部图及贪婪策略的蜂窝网络D2D通信资源分配

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第3期45卷 1055-1064页

作者：申滨孙万平张楠崔太平重庆邮电大学通信与信息工程学院重庆400065

D2D(Device-to-Device)通信是解决频谱资源稀缺问题的关键技术之一。该文研究蜂窝网络中“many-tomany”的复杂场景,即单个RB(Resource Block)可以分配给多对D2D用户重用,并且允许单个D2D用户对使用多个RB,其中D2D用户对数量远多于蜂窝... 详细信息

D2D(Device-to-Device)通信是解决频谱资源稀缺问题的关键技术之一。该文研究蜂窝网络中“many-tomany”的复杂场景,即单个RB(Resource Block)可以分配给多对D2D用户重用,并且允许单个D2D用户对使用多个RB,其中D2D用户对数量远多于蜂窝用户设备(Cellular User Equipment,CUE)数量和RB数量。考虑CUE对资源使用具有更高优先级,将此优化问题分解为蜂窝用户资源分配和D2D用户资源重用两个阶段。在第1阶段,提出基于公平性的循环二部图匹配(Fairness-based Circular Bipartite Graph Matching,FCBGM)算法,将现有的RB分配给所有CUE,以最大化蜂窝用户和速率。在第2阶段,分别提出基于二部图的资源重用(Bipartite Graph-based Resource Reuse,BGRR)算法和基于贪婪策略的资源重用(Greedy-based Resource Reuse,GRR)算法,目标是将已经分配给CUE的RB再次分配给D2D用户重用,以最大化系统和速率,同时确保CUE的基本速率需求。仿真结果表明,在D2D用户对数量远大于CUE数量和RB数量的情况下,与现有典型算法相比,所提算法能够有效提高系统和速率,增加D2D接入率,同时兼顾用户公平性和服务质量需求。

关键词： D2D通信资源分配加权二部图蜂窝网络

蜂窝车联网中基于服务异构性的V2V通信资源分配算法研究

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第1期45卷 235-242页

作者：李一兵王宁馨吕威哈尔滨工程大学信息与通信工程学院哈尔滨150001 先进船舶通信与信息技术工业和信息化部重点实验室哈尔滨150001 联通(黑龙江)产业互联网有限公司哈尔滨150001

在支持车与车直接通信(V2V)的蜂窝网络场景下,针对密集环境下复用车与设备(V2I)上行链路的资源分配问题,在V2V的干扰下,利用移动链路的信道状态信息(CSI)的慢衰落统计,联合通信可靠性、功率控制,建立最大化V2I信道容量的优化模型以满足... 详细信息

在支持车与车直接通信(V2V)的蜂窝网络场景下,针对密集环境下复用车与设备(V2I)上行链路的资源分配问题,在V2V的干扰下,利用移动链路的信道状态信息(CSI)的慢衰落统计,联合通信可靠性、功率控制,建立最大化V2I信道容量的优化模型以满足车辆网络服务的异构性的需求。基于此,该文提出一种基于超图理论和遗传算法的资源分配算法。仿真结果表明,该算法在保证V2V通信可靠性的前提下,提高了V2I的信道容量。

关键词： V2V通信资源分配超图理论遗传算法

基于迁移深度强化学习的低轨卫星跳波束资源分配方案

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第2期45卷 407-417页

作者：陈前斌麻世庆段瑞吉唐伦梁承超重庆邮电大学通信与信息工程学院重庆400065

针对低轨(LEO)卫星场景下,传统资源分配方案容易造成特定小区资源分配无法满足需求的问题,该文提出一种基于迁移深度强化学习(TDRL)的低轨卫星跳波束资源分配方案。首先,该方案联合星上缓冲信息、业务到达情况和信道状态,以最小化卫星... 详细信息

针对低轨(LEO)卫星场景下,传统资源分配方案容易造成特定小区资源分配无法满足需求的问题,该文提出一种基于迁移深度强化学习(TDRL)的低轨卫星跳波束资源分配方案。首先,该方案联合星上缓冲信息、业务到达情况和信道状态,以最小化卫星上数据包平均时延为目标,建立支持跳波束技术的低轨卫星资源分配优化模型。其次,针对低轨卫星网络的动态多变性,该文考虑动态随机变化的通信资源和通信需求,采用深度Q网络(DQN)算法利用神经网络作为非线性近似函数。进一步,为实现并加速深度强化学习(DRL)算法在其他目标任务中的收敛过程,该文引入迁移学习(TL)概念,利用源卫星学习的调度任务快速寻找目标卫星的波束调度和功率分配策略。仿真结果表明,该文所提出的算法能够优化卫星服务过程中的时隙分配,减少数据包的平均传输时延,并有效提高系统的吞吐量和资源利用效率。

关键词：低轨卫星网络跳波束资源分配深度强化学习迁移学习

智能超表面赋能移动边缘计算部分任务卸载策略

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2022年第7期44卷 2309-2316页

作者：李斌刘文帅谢万城叶迎晖南京信息工程大学计算机与软件学院南京210044 西安邮电大学陕西省信息通信网络及安全重点实验室西安710121

针对移动边缘计算(MEC)任务卸载性能易受障碍物阻挡影响的问题,该文提出一种双智能超表面(RIS)赋能的移动边缘计算任务部分卸载框架。首先,分析两个RIS之间的反射对链路增益的影响。其次,联合考虑终端用户的发射功率、终端用户的卸载速... 详细信息

针对移动边缘计算(MEC)任务卸载性能易受障碍物阻挡影响的问题,该文提出一种双智能超表面(RIS)赋能的移动边缘计算任务部分卸载框架。首先,分析两个RIS之间的反射对链路增益的影响。其次,联合考虑终端用户的发射功率、终端用户的卸载速率、任务卸载量、卸载时间的分配以及RIS相移约束,旨在建立一个能耗最小化优化问题。最后,采用交替迭代算法,将原非凸问题分解为两个子问题,并利用Dinkelbach方法和最优性条件进行求解。仿真结果验证了所提算法的快速收敛特性以及在降低系统能耗方面的有效性。

关键词：智能超表面边缘计算部分卸载资源分配

无人机辅助的非正交多址反向散射通信系统max-min速率优化算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第7期45卷 2358-2365页

作者：王正强胡扬樊自甫万晓榆徐勇军多滨重庆邮电大学通信与信息工程学院重庆400065 成都理工大学计算机与网络安全学院成都610059

无人机(UAV)、非正交多址(NOMA)和反向散射通信(BC)相结合,可以满足热点地区高容量需求,提高通信质量。该文提出一种无人机辅助的NOMA反向散射通信系统最小速率最大化资源分配算法。考虑无人机发射功率、能量收集、反射系数、传输速率... 详细信息

无人机(UAV)、非正交多址(NOMA)和反向散射通信(BC)相结合,可以满足热点地区高容量需求,提高通信质量。该文提出一种无人机辅助的NOMA反向散射通信系统最小速率最大化资源分配算法。考虑无人机发射功率、能量收集、反射系数、传输速率以及连续干扰消除(SIC)解码顺序约束,建立基于系统最小速率最大化的资源分配模型。首先利用块坐标下降将原问题分解为无人机发射功率优化、反射系数优化和无人机位置与SIC解码顺序联合优化3个子问题,然后使用反证法给出无人机最优发射功率,再用变量替换法和连续凸逼近将剩余子问题进一步转化为凸优化问题进行求解。仿真结果表明,所提算法在系统和速率与用户公平性之间具有较好折中。

关键词：反向散射通信无人机非正交多址资源分配

基于多智能体深度强化学习的D2D通信资源联合分配方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第4期45卷 1173-1182页

作者：邓炳光徐成义张泰孙远欣张蔺裴二荣重庆邮电大学通信与信息工程学院重庆400065 国网四川省电力公司电力科学研究院成都610093 重庆金美通信有限公司重庆400035 电子科技大学通信抗干扰技术国家级重点实验室成都611731

设备对设备(D2D)通信作为一种短距离通信技术,能够极大地减轻蜂窝基站的负载压力和提高频谱利用率。然而将D2D直接部署在授权频段或者免授权频段必然导致与现有用户的严重干扰。当前联合部署在授权和免授权频段的D2D通信的资源分配通常... 详细信息

设备对设备(D2D)通信作为一种短距离通信技术,能够极大地减轻蜂窝基站的负载压力和提高频谱利用率。然而将D2D直接部署在授权频段或者免授权频段必然导致与现有用户的严重干扰。当前联合部署在授权和免授权频段的D2D通信的资源分配通常被建模为混合整数非线性约束的组合优化问题,传统优化方法难以解决。针对这个挑战性问题,该文提出一种基于多智能体深度强化学习的D2D通信资源联合分配方法。在该算法中,将蜂窝网络中的每个D2D发射端作为智能体,智能体能够通过深度强化学习方法智能地选择接入免授权信道或者最优的授权信道并发射功率。通过选择使用免授权信道的D2D对(基于“先听后说”机制)向蜂窝基站的信息反馈,蜂窝基站能够在非协作的情况下获得WiFi网络吞吐量信息,使得算法能够在异构环境中执行并能够确保WiFi用户的QoS。与多智能体深度Q网络(MADQN)、多智能体Q学习(MAQL)和随机算法相比,所提算法在保证WiFi用户和蜂窝用户的QoS的情况下能够获得最大的吞吐量。

关键词： D2D通信先听后说免授权频段长期演进资源分配多智能体强化学习

多接入边缘计算赋能的AI质检系统任务实时调度策略

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第2期46卷 662-670页

作者：周晓天孙上张海霞邓伊琴鲁彬彬山东大学控制科学与工程学院济南250061 山东省无线通信技术重点实验室济南250100

AI质检是智能制造的重要环节,其设备在进行产品质量检测时会产生大量计算密集型和时延敏感型任务。由于设备计算能力不足,执行检测任务时延较大,极大影响生产效率。多接入边缘计算(MEC)通过将任务卸载至边缘服务器为设备提供就近算力,... 详细信息

AI质检是智能制造的重要环节,其设备在进行产品质量检测时会产生大量计算密集型和时延敏感型任务。由于设备计算能力不足,执行检测任务时延较大,极大影响生产效率。多接入边缘计算(MEC)通过将任务卸载至边缘服务器为设备提供就近算力,提升任务执行效率。然而,系统中存在信道变化和任务随机到达等动态因素,极大影响卸载效率,给任务调度带来了挑战。该文面向多接入边缘计算赋能的AI质检任务调度系统,研究了联合任务调度与资源分配的长期时延最小化问题。由于该问题状态空间大、动作空间包含连续变量,该文提出运用深度确定性策略梯度(DDPG)进行实时任务调度算法设计。所设计算法可基于系统实时状态信息给出最优决策。仿真结果表明,与基准算法相比,该文所提算法具有更好的性能表现和更小的任务执行时延。

关键词：多接入边缘计算任务调度资源分配深度强化学习 AI质检系统

2016至2020年我国口腔医师资源配置公平性分析

在线全文

学校读者我要写书评

暂无评论

中华口腔医学杂志 2023年第6期58卷 584-591页

作者：韩敬杨旭北京大学口腔医学院·口腔医院人事处、国家口腔医学中心、国家口腔疾病临床医学研究中心、口腔生物材料和数字诊疗装备国家工程研究中心、口腔数字医学北京市重点实验室北京100081

目的分析2016至2020年我国口腔医师资源配置的公平性,为进一步优化口腔医师资源配置提供参考。方法通过《中国卫生和计划生育统计年鉴》《中国卫生健康统计年鉴》和《中国统计年鉴》,分别收集2016、2018和2020年国内及国际上相关口腔医... 详细信息

目的分析2016至2020年我国口腔医师资源配置的公平性,为进一步优化口腔医师资源配置提供参考。方法通过《中国卫生和计划生育统计年鉴》《中国卫生健康统计年鉴》和《中国统计年鉴》,分别收集2016、2018和2020年国内及国际上相关口腔医师资源的数据资料以及相关各省份人口、地区面积等数据资料,运用卫生资源集聚度(health resources agglomeration degree,HRAD)和人口集聚度(population agglomeration degree,PAD)等数值分析相关的数据。结果2010至2019年国际范围内我国每万人口口腔医师数排第46位,国内口腔医师卫生资源数量呈上升趋势,性别分布较均衡,年龄分布主要集中在25~44岁;专业技术层面中初级所占的比例可达全体人员的79.5%~83.0%。按地理面积和人口密度算出的口腔执业(助理)医师HRAD与PAD比值结果显示,东部地区省份的HRAD与PAD比值均大于1,中部和西部地区大部分省份该比值均小于1,东部地区配置过剩而中部和西部地区则不足。结论我国口腔医师资源配置仍存在一定的不公平性,国家层面要继续培养优质口腔医学人才,加大对基层和偏远地区的扶植力度;全面提高在职在岗人员能力素质和工作水平;推动和规范口腔医师多点执业,促进口腔健康人才的合理流动。

关键词：牙医师口腔医师资源卫生资源集聚度人力资源资源分配人才培养