29、无线通信中的功率分配与数据包调度算法解析

无线通信中的功率分配与数据包调度算法解析

在无线通信领域，功率分配和数据包调度是至关重要的问题。合理的功率分配能够提高网络的整体性能，而有效的数据包调度则可以确保数据的快速、准确传输。本文将介绍两种相关的算法，分别是用于功率分配的全分布式学习算法（FLAPH）和基于对抗排队理论（AQT）的数据包调度算法。

全分布式学习算法（FLAPH）用于功率分配

全局能量计算

全局能量，也就是全局目标函数，是每个温度 $T$ 下所有基站（BS）效用的总和。吉布斯算法的收敛性源于著名的“模拟退火”算法，当温度 $T$ 按照特定函数 $1/log(t)$（$t \geq 2$）缓慢降至 0 时，该算法能确保收敛到最优解。然而，这种冷却时间表可能需要很长时间才能收敛，这使得退火吉布斯采样器算法不太适用于某些实际应用。

新模型描述

考虑一个新的博弈 $G’$，其中每个基站 $b$ 的效用被修改为：
$U_{b}^{G’}(P) = U_{b}^{G}(P) + \sum_{c \in N_{b}} U_{c}^{G}(P)$
其中，$N_{b}$ 是基站 $b$ 的邻居集合。如果至少有一个用户被其中一个基站分配且被另一个基站覆盖，则称这两个基站为“邻居”：
$N_{b} = {c \in B, \exists i \in U, q_{ib}P_{c}G_{ic} \gt 0 \text{ 或 } q_{ic}P_{b}G_{ib} \gt 0}$
需要注意的是，宏蜂窝是所有毫微微蜂窝的邻居，因为它的功率很高，所有用户都能接收到它的信号。因此，$N_{b}$ 决定了一种邻域结构。我们可以用一个无向图 $G = (\n