基于博弈学习的认知无线电网络中分布式资源分配
网络与互联网体系结构
2025-01-29 v1
摘要
本文提出了一种基于博弈论的方法，用于在物理干扰模型下的认知无线电网络中联合信道分配和功率控制，以提高聚合系统容量。目标是以有限的信息寻找分布式解决方案，以最大化网络效用函数。该问题通过基于局部信息的非合作博弈来解决。虽然该博弈无法保证存在纯纳什均衡，但仿真结果表明该均衡以高概率存在，且性能类似于潜在博弈，其中每位玩家需要获取整个网络信息。将结果与集中式启发式遗传算法进行比较，验证了本文方案的有效性。此外，修改效用函数以限制发射功率，可引导解决方案趋向更合作的方向。为克服局部博弈的收敛限制，采用无后悔学习算法执行联合信道和功率分配。这些算法在任何场景下都能提供稳定的混合策略，并实现更好的全局性能。这为开发基于模型化相互作用的现实协议提供了有趣的视角，增强了其对高效机会主义频谱接入的适应性。
引用
@article{arxiv.2501.16890,
title = {Distributed resource allocation in cognitive radio networks with a game learning approach to improve aggregate system capacity},
author = {J. R. Gallego and M. Canales and J. Ortin},
journal= {arXiv preprint arXiv:2501.16890},
year = {2025}
}
备注
48 pages, 11 figures