本书针对无线通信网络中的分布式自主优化难题,提出基于博弈论的系统性理论与方法,突破了传统集中式优化的局限性,聚焦如何通过局部信息交互实现全局优化目标。本书研究的网络类型主要针对移动蜂窝网络,同时也包括无线传感器网络,优化目标包括传输速率、用户体验、网络节能、系统干扰、计算开销等。针对准静态网络环境和动态网络环境,提出了统一的博弈优化理论和方法框架,主要包括博弈建模和算法设计,还涵盖了均衡分析、性能评估等,为6G网络智能化、边缘计算资源调度、物联网大规模部署等前沿场景提供了系统和科学的理论工具。
更多科学出版社服务,请扫码获取。
2006.09 ~ 2010.06 解放军理工大学通信工程学院 电子工程 本科
2010.09 ~ 2012.06 解放军理工大学通信工程学院 移动通信 硕士
2012.09 ~ 2016.06 解放军理工大学通信工程学院 移动通信 博士
2015.10 ~ 2016.04 加拿大滑铁卢大学 无线通信 访问交流2016.07 ~2018.01 陆军工程大学通信工程学院(原解放军理工大学) 讲师
2018.01 ~ 2019.12 军事科学院 助理研究员
2020.01 至今 军事科学院 副研究员无线通信技术发表SCI/EI检索学术论文50余篇,其中第一作者/通讯作者SCI检索20余篇,包括IEEE Communications Magazine、IEEE Transactions on Mobile Computing、IEEE Transactions on Wireless Communications等国际顶级期刊。中国通信学会高级会员(2023.03至今)
IEEE Wireless Communications专刊特邀编委(2021)
IET Communications专刊特邀编委(2019-2020)
目录
前言
符号说明
第1章 绪论 1
1.1 无线网络优化 1
1.1.1 无线网络优化的意义 1
1.1.2 无线网络优化的分类 2
1.1.3 分布式无线网络优化 3
1.2 基于博弈论的分布式优化 4
1.2.1 博弈论基础 4
1.2.2 博弈建模与算法设计 8
1.3 本书章节安排 10
参考文献 13
第2章 面向传输速率最优的超密集网络功率控制博弈 15
2.1 引言 15
2.2 系统模型与问题建模 16
2.2.1 系统模型 16
2.2.2 问题建模 17
2.3 基于全局信息的功率控制博弈 18
2.3.1 全信息博弈模型 18
2.3.2 纳什均衡分析 19
2.3.3 算法设计 21
2.4 基于本地信息的功率控制博弈 22
2.4.1 近似模型 22
2.4.2 算法设计 24
2.4.3 算法收敛性分析 25
2.5 仿真结果和分析 28
2.5.1 仿真场景设置 28
2.5.2 收敛性能 29
2.5.3 性能评估 31
2.6 小结 34
附录 34
参考文献 34
第3章 面向用户体验最优的联合用户调度和功率分配博弈 37
3.1 引言 37
3.2 系统模型和问题建模 38
3.2.1 系统模型 38
3.2.2 问题建模 40
3.3 面向用户体验的基站协调博弈 41
3.3.1 干扰图 41
3.3.2 基于基站局部合作的博弈模型 42
3.3.3 纳什均衡解的分析 43
3.4 分布式迭代算法 45
3.4.1 算法描述 45
3.4.2 算法收敛性和最优性分析 46
3.4.3 计算复杂度分析 49
3.4.4 公平性分析 49
3.5 仿真结果和分析 51
3.5.1 仿真场景设置 51
3.5.2 收敛性能 53
3.5.3 网络效用评价 56
3.5.4 公平性评价 57
3.6 小结 59
参考文献 59
第4章 面向能量效率最优的分布式基站休眠博弈 62
4.1 引言 62
4.2 系统模型与问题建模 63
4.2.1 系统模型 63
4.2.2 问题建模 64
4.3 基站休眠博弈 65
4.3.1 局部冲突和协作基站休眠 65
4.3.2 图博弈模型 66
4.3.3 纳什均衡的分析 68
4.4 分布式迭代算法 70
4.4.1 算法描述 70
4.4.2 算法稳定性和最优性分析 71
4.4.3 收敛性分析 74
4.5 仿真结果和分析 76
4.5.1 仿真场景设置 76
4.5.2 收敛性能 77
4.5.3 节能性能 83
4.6 小结 87
参考文献 88
第5章 面向用户动态通信需求的分布式信道分配博弈 91
5.1 引言 91
5.2 系统模型和问题建模 92
5.2.1 系统模型 92
5.2.2 问题建模 93
5.3 干扰消除博弈 93
5.3.1 博弈模型 94
5.3.2 纳什均衡分析 94
5.4 动态条件下的无悔学习算法 97
5.4.1 算法描述 98
5.4.2 收敛性分析 99
5.4.3 计算复杂度分析 101
5.5 仿真结果和分析 101
5.5.1 仿真场景设置 101
5.5.2 收敛性能 102
5.5.3 性能比较 104
5.5.4 可扩展性分析 105
5.6 小结 107
参考文献 107
第6章 面向用户动态计算需求的分布式信道分配博弈 109
6.1 引言 109
6.2 系统模型 110
6.2.1 网络动态模型 110
6.2.2 通信模型 111
6.2.3 计算模型 111
6.3 随机计算策略选择博弈 113
6.3.1 博弈模型 113
6.3.2 纳什均衡分析 115
6.4 纳什均衡解的性能分析 118
6.4.1 评价标准Ⅰ:系统总计算开销 118
6.4.2 评价标准Ⅱ:受益于云计算的用户数量 120
6.5 动态条件下的多用户随机学习算法 121
6.5.1 算法设计 121
6.5.2 算法的收敛性 123
6.6 仿真结果和分析 124
6.6.1 仿真场景设置 124
6.6.2 收敛性能 125
6.6.3 算法其他性能 127
6.7 小结 130
附录 130
参考文献 135
第7章 面向动态环境能量收集的分布式信道分配博弈 137
7.1 引言 137
7.2 系统模型和问题建模 138
7.2.1 系统模型 138
7.2.2 问题建模 139
7.3 信道接入博弈 141
7.3.1 纳什均衡分析 143
7.4 随机学习算法 144
7.5 仿真结果和分析 146
7.5.1 仿真场景设置 146
7.5.2 在不同网络规模下的性能比较 147
7.5.3 在不同能量收集速率下的性能比较 149
7.6 小结 151
参考文献 151
彩图