毫微微蜂窝网络中的 Stackelberg 博弈功率分配：一种自学习方法
网络与互联网体系结构
2016-11-15 v1 计算机科学与博弈论
摘要
本文研究双层叠加式毫微微蜂窝网络的能效功率分配问题。将宏基站（MBS）与毫微微用户（FU）的行为分层建模为 Stackelberg 博弈。MBS 根据跨层干扰向各 FU 单独收费以保证自身服务质量要求，FU 则通过非合作方式控制本地发射功率作为回应。由于层内和层间信息交换受限，为每个用户提出了一种基于自学习的策略更新机制，以学习均衡策略。在同一 Stackelberg 博弈框架下，分别研究了基于 FU 连续功率配置和离散功率配置的两种不同场景。两种场景下的自学习方案均基于局部最优响应设计。通过研究所提博弈在这两种情况下的性质，给出了学习方案的收敛性。仿真结果验证了所提博弈在不同情况下的理论发现，并证实了学习方案的有效性。
引用
@article{arxiv.1410.2924,
title = {Power allocation with stackelberg game in femtocell networks: a self-learning approach},
author = {Wenbo Wang and Andres Kwasinski and Zhu Han},
journal= {arXiv preprint arXiv:1410.2924},
year = {2016}
}
备注
2014 Eleventh Annual IEEE International Conference on Sensing, Communication, and Networking (SECON) (SECON 2014)