行业资讯
基于NOMA的超密集网络中资源分配与计算卸载
发布时间:2023-11-16 来源: 访问:
首先,我们将匹配博弈定义为一个三元组,其中表示玩家集合,即卸载到边缘服务器的用户集;是玩家所获取的回报函数,我们将目标函数(16)*-1作为回报函数;表示联盟集合。对于联盟,表示联盟所带来的总收益。
由于每个用户对于不同的联盟都有不同的偏好程度,因此我们为每个用户定义偏好关系。用户根据定义的偏好关系,在任意两个联盟之间进行比较选择。用户偏好关系定义为:
这表示当用户n在的总收益大于在中的总收益时,用户n更想加入联盟。其中表示卸载用户n的偏好。根据用户偏好,我们建立用户对每个联盟的偏好列表。每个卸载用户都可以根据其偏好关系,决定加入一个联盟或离开一个联盟。对于转换联盟的规则,我们可以定义为:
算法1: 基于匹配博弈的子信道分配
输入: 卸载策略O; 上传功率P; 迭代次数
输出: 子信道分配策略 D
1: 初始化UEs的偏好列表
2: 根据 ,初始化联盟集合
3:
4: for iter=1; ; iter++ do
5: 从中随机选择用户n
6: 用户n的联盟为
7: 随机选择另一个联盟
8: if then
9:
10:
11: else
12:
13: end if
14: end for
根据用户偏好和联盟转换定义,我们在算法1设计了有效匹配博弈的算法来进行子信道的分配。首先根据用户的偏好关系,建立用户对每个联盟的偏好列表,再根据PreList, 创建初始的联盟集合(1-2行)。然后从卸载集合中随机选择一个用户n,用户n当前的联盟为,再随机选择另一个联盟(5-7行)。通过比较用户n在这两个联盟中的偏好,决定是否进行联盟转换。如果用户n更偏向于加入联盟,则进行联盟转换并对联盟集合进行更新(8-10行)。为了降低算法的时间复杂度,如果进行联盟转换,我们就将Count的值置为0;没有转换,则执行Count++操作。当Count=MaxCount时,即连着MaxCount次的迭代中都没有发生联盟转换,算法实现纳什均衡(11-13行)。
3.1.2上传功率的分配问题
对于固定的子信道分配,功率分配问题可以定义为:
其中,可以看出问题(20)是一个非凸问题。由于NOMA的传输方式,共享同一子信道的用户之前产生干扰,从而造成了用户之间上传功率的关联。因此我们需要找到干扰的一个近似值。根据约束,我们给出了可实现的上传功率上限值,可以获取近似干扰值:
由于其它用户造成的干扰值本身就是一个很小的值,因此近似后的值对子问题的结果不会产生较大的影响。问题(21)可以重写为,
其中, 。为了便于表示,我们将式(23)记为,并对(23)求一阶导。可得存在值,在区间上,函数单调递减,区间上,函数单调递增,从而获得功率分配问题的最优解。
算法2: 基于二分查找的上传功率分配
输入: 最大上传功率; 最小上传功率r; >0
输出: 上传功率分配策略 P*
1: if do
2:
3: else
4: while
5:
6: if do
7:
8: else
9:
10: end if
11: end while
12: end if
根据以上所述,我们在算法2中提出了上传功率的分配方案。首先判断函数是否递,若递减,则获取当前功率分配的最优值(1-2行),否则使用二分查找的方式寻找最优值(4-11行)。
3.2计算卸载决策
对于给定的资源分配,我们对计算任务进行卸载决策,以获取最大的卸载收益。计算任务的卸载决策具体定义为:
令
在算法3中,我们提出了一种计算任务卸载决策算法,首先,根据效用函数(24)初始化所有任务的卸载决策变量,其中表示未卸载的用户集合(1行)。如果存在未卸载用户,选择将其卸载后系统效用值增加,则将其从集合中移除,加入卸载集合(3-8行)。如果存在卸载用户,将其从卸载集合移除后,系统的效用值增加,则将其从集合O*中移除,加入集合(9-14行)。直到不存在可以增加系统效用的移除或添加操作。
算法 3: 计算任务的卸载决策算法
输入: 资源分配结果 P, D,
输出: 任务卸载策略集 O*
1: 初始化所有任务的卸载决策
2: repeat
3: if then
4: 更新
5:
6: else
7:
8: end if
9: if then
10: 更新
11:
12: else
13:
14: end if
15: until &&
4.仿真实验
4.1 仿真参数设置
在本节中,我们进行了仿真实验以验证所提算法的准确性。在网络中我们部署了8个边缘服务器,边缘服务器均匀的位于中心为(0,0),半径为600m的圆上。用户设备的数量,随机分布在网络覆盖的区域内。系统的总带宽B为10MHZ,每个子信道的带宽为1MHZ(10个子信道)。每个计算任务的大小为[5x104, 105]bits,用户设备的计算能力为1GHZ。我们设置边缘服务器的计算能力为5GHZ,用户最大的上传功率为30dBm,每个子信道的最大容量为6。为了评估我们提出算法的性能,我们将其与以下两种策略进行比较:
(1)基于OMA的卸载 :采用正交多址的接入方式进行卸载。
(2)基于NOMA的全部卸载:在我们所考虑的NOMA-MEC系统中,所有的用户设备都选择将计算任务卸载到边缘服务器执行。
4.2 性能比较
图2验证了在不同用户数量下,算法1的收敛性。我们可以看出,当用户数量为20时,迭代12次即可收敛,当用户数量为50时,需迭代20次达到收敛。这是由于用户数量增加,导致该算法的搜索范围增加,进而使迭代次数增加。通过观察,对于不同的用户数目,算法1在迭代有限次后都能达到收敛状态,表明我们提出的算法可以很好的适应不同数量的用户,并具有较好的收敛性。
图2 UE数量对算法1迭代次数的影响
在图3中,描述了用户最大传输功率对平均系统收益的影响,并与基于OMA的卸载、基于NOMA的全部卸载这两种方案进行了对比。可以看出,这三种策略的平均系统收益都是随着最大传输功率的增加而增加。但是当传输功率增加到35dBm时,平均系统收益开始呈现下降的趋势。这是因为传输功率较大导致用户间的干扰增加。进而降低了系统收益。并且,与其它两种策略进行对比,我们提出的算法可以实现最大的系统收益。
图3 UEs的最大上传功率对系统收益的影响
为了分析不同的子信道容量对平均系统收益的影响,我们在图4中描述了子信道容量在范围[1,10]变化时,平均系统收益的变化情况。我们可以发现,随着子信道容量的增加,平均系统收益呈现递增的趋势。当子信道容量增加到一定值后,由于共享同一子信道的用户数增加,该子信道的干扰增加,导致平均系统收益的增长速度变慢。并且当子信道的容量从9增加到10后,基于NOMA的全部卸载方案的平均系统收益降低。
相关文章
热门资讯
摘要:9月28日-29日,《两岸关系》杂志社社长任勉一行3人来漯河临颍就陈星聚杯太极拳比赛筹备工作情况进行调...
摘要:摘 要:健康的心理素质是健康人的必备素质。在学科教学中进行心理健康的教育,是心理健康教育的重要途径...
旅游论坛 《旅游论坛》杂志,于1989年经国家新闻出版总署批准正式创刊,CN:45-1363/K,本刊在国内外有广泛的覆盖面,题材新...
江苏外语教学研究 《江苏外语教学研究》季刊,创刊于1993年,是南京师范大学外国语学院;江苏省高校外语教学研究会主办。 《江苏...
瞭望《瞭望》杂志,于1981年经国家新闻出版总署批准正式创刊,CN:11-1276/D,本刊在国内外有广泛的覆盖面,题材新颖,信息...
成功营销 《成功营销》杂志,季刊,于1999年经国家新闻出版总署批准正式创刊,由中华全国供销合作总社主管,北京商业管理干...
解剖学报 办理其他业务请联系杂志社 《解剖学报》杂志,于1953年经国家新闻出版总署批准正式创刊,CN:11-2228/R,本刊在国...