车联网中无线资源纠缠的学习：一种 oblivious 博弈论视角
网络与互联网体系结构
2018-09-05 v1
摘要
本文研究车对车通信网络中的非合作无线资源调度问题。技术挑战在于车辆高移动性与数据业务波动。在离散调度时隙上，每个车辆用户设备（VUE）对与路边单元（RSU）覆盖内的其他 VUE 对竞争有限频率以传输排队数据包。RSU 在每个时隙开始的频率分配遵循密封第二价格拍卖规则。每个 VUE 对旨在优化期望长期性能。VUE 对间的此类交互被建模为具有半连续全局网络状态空间的随机博弈。通过定义划分控制策略，我们将该随机博弈转化为具有有限大小全局队列状态空间的等价博弈。我们采用 oblivious 均衡（OE）来近似 Markov 完美均衡（MPE），后者刻画了等价博弈的最优解。OE 解在理论上被证明具有渐近 Markov 均衡性质。由于缺乏网络动态的先验知识，我们推导了一种在线算法来学习 OE 策略。数值仿真验证了理论分析并显示了所提在线学习算法的有效性。
引用
@article{arxiv.1809.00317,
title = {Learning to Entangle Radio Resources in Vehicular Communications: An Oblivious Game-Theoretic Perspective},
author = {Xianfu Chen and Celimuge Wu and Mehdi Bennis and Zhifeng Zhao and Zhu Han},
journal= {arXiv preprint arXiv:1809.00317},
year = {2018}
}