基于仿生学习的随机接入网络动态猜想

本文考虑一种基于猜想的分布式学习方法，使自主节点能够独立优化其在随机接入网络中的传输概率。我们将多个自利节点间的交互建模为博弈。众所周知，如果节点采取短视的最优反应，该博弈中的纳什均衡会导致所有节点的吞吐量为零，从而导致网络崩溃。本文使节点能够作为智能实体行事，主动收集信息，形成关于竞争对手如何对其行动做出反应的内部猜想，并根据其局部观测更新信念。通过这种方式，节点能够自主“学习”竞争对手的行为，优化自身行动，并最终在随机接入网络中培养互惠关系。为了刻画稳态结果，引入了猜想均衡。受“导数作用”和“梯度动力学”生物现象的启发，提出了两种基于猜想的分布式动作更新机制来稳定随机接入网络。推导了保证所提出的基于猜想的学习算法收敛的充分条件。此外，表明吞吐量区域中所有可达的工作点本质上都是对应于不同猜想的稳定猜想均衡。我们研究了如何在异构网络中选择猜想均衡，以及如何将所提出的方法扩展到自组织网络。仿真验证了系统性能在吞吐量、公平性、收敛性和稳定性方面显著优于现有协议，如IEEE 802.11 DCF协议和PMAC协议。