未知信道变量下多跳网络中的近优信道接入

我们考虑多跳认知无线电网络中的分布式信道接入。以往关于利用多臂老虎机 (MAB) 进行机会式信道接入的研究主要集中在单跳网络上，并假设所有次要用户之间存在完全冲突。在本文研究的多跳多信道网络设置中，不同通信对之间存在更一般的竞争。我们将该问题公式化为一个线性组合 MAB 问题，其中涉及具有未知权重的最大加权独立集 (MWIS) 问题，这些权重需要学习。现有的 MAB 方法中，$N$ 个节点各自从 $M$ 个信道中选择，其时间和空间复杂度为指数级 $O(M^N)$，且对吞吐量性能的理论保证较差。我们提出了一种分布式信道接入算法，该算法可实现最优平均吞吐量的 $1/\rho$，其中每个节点在学习过程中的通信复杂度为 $O(r^2+D)$，空间复杂度为 $O(m)$，而在策略决策过程中的时间复杂度为 $O(D m^{\rho^r})$，适用于任意无线网络。此处 $\rho=1+\epsilon$ 是具有 $m<N$ 个节点的局部 $r$-跳网络中 MWIS 的近似比，$D$ 是每轮策略决策内部的小轮数。对于平均度为 $d$ 的随机分布网络，时间复杂度为 $O(d^{\rho^r})$。