基于Hopfield学习与非线性规划方法的OCDMA网络资源分配
系统与控制
2019-09-06 v2 系统与控制
信号处理
摘要
本文提出采用Hopfield人工神经网络（H-NN）方法在光码分多址（OCDMA）系统中最优分配功率。将解的可行性与复杂度等指标与文献中的经典功率分配方法（如序列二次规划（SQP）和增广拉格朗日法（ALM））进行比较。所分析的方法用于解决光网络资源分配背景下的约束非线性优化问题，特别是处理OCDMA网络中的能效（EE）。通过针对非线性规划一般问题与经典方法的数值结果对比，证明了改进H-NN在性能-复杂度权衡上的良好表现。评估在具有挑战性的OCDMA网络中进行，其中针对大量光用户考虑了不同级别的QoS。
引用
@article{arxiv.1908.10391,
title = {Hopfield Learning-based and Nonlinear Programming methods for Resource Allocation in OCDMA Networks},
author = {Cristiane A. Pendeza Martinez and Taufik Abrão and Fábio Renan Durand and Alessandro Goedtel},
journal= {arXiv preprint arXiv:1908.10391},
year = {2019}
}
备注
29 pages, 11 figures, 5 tables