Feb, 2022

无线网络通信模式下实现带宽感知算法的 IoV 场景

PDF
TL;DR本文主要关注在虚拟网络环境下的带宽资源分配问题，提出了一种基于粒子群优化算法的带宽感知多域虚拟网络嵌入算法（BA-VNE），并通过模拟实验验证了该算法在链接带宽、映射成本和虚拟网络请求接受率等性能指标上的优越性。
发现论文，激发创造
  • 基于跨域虚拟网络嵌入的无线网络多目标资源优化

    本研究提出了一种多目标优化的虚拟网络嵌入算法，旨在高效分配无线网络资源，实验结果表明，该算法在映射成本、网络延迟和虚拟网络请求接受率等三个指标方面优于其他算法，并体现了该算法在无线网络资源分配中的有效性。

    Feb, 2022

  • 基于多目标优化的 IoD 架构下的工业 4.0 多域 VNE 算法

    该论文提出一种基于多域架构和遗传变异因素优化的多域虚拟网络嵌入算法，通过加权累加法将多目标问题转化为单目标问题，选择相应物理域上的成本最低点作为备选节点，此算法在延迟、成本、综合性指标等方面都优于 MC-VNM、LID-VNE 和其他算法。

    Feb, 2022

  • 车联网中的人工智能：以 ns-3 为例的案例研究

    本文在 ns-3 仿真平台上实现了基于人工智能算法的无线网络优化，通过新的应用程序模拟车对所有策略的传输，基于强化学习模块实现预测服务质量，相较于基线方案，在实现人工智能之后优化网络的效果更好。

    Mar, 2022

  • 基于负载均衡的物联网多域 VNE 算法

    在 IoT 环境下，为了在网络负载大且性能需求高的情况下提供更灵活的虚拟网络映射服务，提出了一种基于混合遗传算法的虚拟网络映射策略，包括动态计算交叉概率和基于信息素的变异基因选择策略，以及基于负载均衡的权重更新机制。仿真结果表明，该方法在多项性能指标方面表现良好。

    Feb, 2022

  • 超可靠低延迟车联网通信的主动学习方法

    本文提出了一种面向车联网的信息时代感知传输功率和资源块分配技术，利用高斯过程回归方法实现在线无中央控制机制的网络动态学习，实时预测未来 AoI，最小化 AoI 超过阈值的概率，并取得了 50% 以上的效果提升。

    Nov, 2019

  • O-RAN 中基于在线学习的虚拟基站自适应资源分配

    虚拟基站（vBS）中资源分配的在线学习算法，平衡有效吞吐量和虚拟基站能耗，在各种环境下实现零平均最优差距，节约高达 64.5% 的能耗。

    Sep, 2023

  • 基于强化学习的感知到达时延感知资源分配方法研究

    提出了一种基于可重构智能表面的车联网网络方案，利用信息时代模型和负载传输概率模型来优化车辆与基础设施之间的时效和车辆之间的稳定性，通过软性演员 - 评论家算法以最小化信息时代和优先传输负载的方式，使用驻波状态下 AI-B 图方案控制车辆的资源分配和相移控制，仿真结果表明该算法在收敛速度、累积奖励、信息时代性能和负载传输概率等方面胜过其他算法。

    Jun, 2024

  • 智能语义通信网络中的无线资源管理

    本文针对智能语义通信中的用户关联和带宽分配问题，引入辅助知识库，在系统模型中设计了 “系统吞吐量” 的性能指标，通过两阶段解，提出了一个新的决策方案，与两款基线算法相比，提出的解决方案具有更高的性能表现和可靠性。

    Feb, 2022

  • 无线网络下的虚拟现实：服务质量模型和基于学习的资源管理

    在小型细胞网络中，通过使用基于多属性效用理论的新型虚拟现实模型，找到了在虚拟现实无线网络中的上下行无线资源配置问题的最佳解决方案。

    Mar, 2017

  • 智能汽车网络中基于信息时代的无线资源管理：一种主动的深度强化学习视角

    本文研究了在曼哈顿网格车辆间通信网络中，基于信息年龄感知的无线电资源管理问题，通过马尔可夫决策过程的方法，使用长短时记忆模型和深度强化学习技术提出了一种去中心化的策略，实现每个车辆用户设备 - 对之间的最优消耗和信息更新。实证分析表明，所提出的算法能够显著地提高性能。

    Aug, 2019