学习式优化：MB-HTS 网络中两冲突指标的均衡
信息论
2022-08-30 v1 math.IT
摘要
对于多波束高通量（MB-HTS）地球静止（GEO）卫星网络，当用户需求无法被完全满足时会出现拥塞。本文通过制定并求解拥塞控制下的功率分配策略以接纳用户，从而提升系统性能。我们构建了一个新的多目标优化问题，以均衡总数据吞吐量与满意用户集合。此后，我们提出两种不同方案高效求解该多目标最大化问题：基于模型的方案利用加权和方法提升需求满足用户数，而监督学习方案通过继承优化结构作为连续映射提供了低计算复杂度的设计。仿真结果验证了我们的方案有效应对拥塞，且在数据吞吐量需求上优于以往工作。
引用
@article{arxiv.2208.13205,
title = {Learning to Optimize: Balancing Two Conflict Metrics in MB-HTS Networks},
author = {Van-Phuc Bui and Trinh Van Chien and Eva Lagunas and Joël Grotz and Symeon Chatzinotas and Björn Ottersten},
journal= {arXiv preprint arXiv:2208.13205},
year = {2022}
}
备注
7 pages, 3 figures, and 1 table. Accepted by the IEEE ASMSSPSC 2022