CN104113876A - 一种基于协同学的异构网络接入控制方法 - Google Patents

一种基于协同学的异构网络接入控制方法 Download PDF

Info

Publication number
CN104113876A
CN104113876A CN201410259648.0A CN201410259648A CN104113876A CN 104113876 A CN104113876 A CN 104113876A CN 201410259648 A CN201410259648 A CN 201410259648A CN 104113876 A CN104113876 A CN 104113876A
Authority
CN
China
Prior art keywords
umts
user
wimax
probability
network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410259648.0A
Other languages
English (en)
Other versions
CN104113876B (zh
Inventor
朱晓荣
赵亚南
王勇
杨龙祥
朱洪波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201410259648.0A priority Critical patent/CN104113876B/zh
Publication of CN104113876A publication Critical patent/CN104113876A/zh
Application granted granted Critical
Publication of CN104113876B publication Critical patent/CN104113876B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

一种基于协同学的异构网络接入控制方法是无线网络中一种从网络资源利用率和用户满意度来考虑用户请求是否接入的方法。本发明采用协同学的方法,以两个网络重叠覆盖区域中选择各个网络的用户数比例为序参量,进而建立协同学方程,分析使系统吞吐量最大的用户比例;当处于重叠区域的用户请求接入新业务时,根据当前重叠区域中已经接入两个网络的用户数比例以及两个网络的信道占用情况,对用户业务进行接入控制。基于协同学的接入控制方法在提高系统吞吐量的同时也顾虑到了用户的满意度。本发明简单实用,可以在异构无线网络的接入控制方法中得到广泛使用。

Description

一种基于协同学的异构网络接入控制方法
技术领域
本发明是一种适用于异构无线网络的协同学接入控制方法,属于通信技术领域。 
背景技术
协同学是研究一个系统从无序到有序的演化规律和特征,是对各种不同环境中大量客体(电子、原子、分子、细胞、神经元、生物器官、人、交通工具等)在宏观尺度内产生的空间的、时间的或时空结构的系统及其作用方式进行的跨学科方向。协同系统是指由许多子系统组成、能以自组织方式形成宏观的空间、时间或功能有序结构的开放系统。 
异构无线网络由采用不同无线接入技术的无线接入网络组成,这些无线接入网络就是子系统,子系统之间相互作用,相互影响。异构无线网络是一协同系统,系统的性能和效益则是由子系统间的合作性质所决定的,故可以采用协同学来研究。 
协同学解决问题的一般方法分为以下几步: 
(1)把要解决的问题翻译成数学问题,通常是建立系统的数学模型; 
(2)找出系统的序参量,序参量主宰了系统的最终结构和功能的有序度; 
(3)根据数学模型,建立相应的运动方程,即主方程; 
(4)分析求解运动方程;进一步得到系统优化方程或势函数,找出系统的相变点,分析系统的稳定性; 
异构无线网络的融合成为一个研究热点,不同的无线接入网络在适合的传输业务、覆盖范围以及可传输的最大数据速率等方面存在很大差异。利用这些无线网络的差异为处于异构无线网络覆盖区域的用户选择合适的网络,使网络资源得到充分利用的同时保证用户的满意度,这是异构无线网络融合的关键。由于协同学是一种研究系统宏观特征的方法,所以在本发明中研究网络性能的变化时,不能对系统中的一个个用户的特征以及他们和子系统的相互作用进行分析,而需要采用宏观量来描述统计行为。宏观上网络性能和用户整体满意度与网络的资源调 度策略相关。本发明将两个网络重叠区域中选择各个网络进行接入的用户数比例作为序参量,通过选择最优的序参量,使得整个系统的资源得到最优配置,并且以此指导重叠覆盖区域的新到达业务进行接入,从而在提高网络吞吐量的同时降低用户接入的阻塞率。 
在既定的无线网络资源下,每个网络所能提供的最大单信道数据传输速率是一定的。网络不断开发新技术以致力于提高网络资源利用率,提升网络吞吐量。用户真正关心的是分配给他的资源能否满足其需求,以及自身业务不被阻塞的概率。本发明基于协同学理论,找到重叠区域新到达用户合理接入的方法,同时兼顾网络的效益和宏观的用户满意度。 
发明内容
技术问题:本发明的目的是提供一种基于协同学的异构网络接入控制方法。该方法通过对协同学中的运动方程进行分析,找到系统吞吐量的相变点,兼顾网络效益和宏观的用户满意度,确定出重叠覆盖区域接入两个相邻网络的最优用户数比例,使得以这种比例接入用户时,系统资源得到充分利用,系统吞吐量达到最大,同时用户满意度得到保证,业务阻塞率得以降低。当重叠区域用户请求接入新业务时,根据当前重叠区域用户比例与最优用户比例的关系,选择是否接入此用户,以及将其接入哪个网络。 
技术方案:本发明旨在从宏观角度对异构网络性能进行分析,并提出一种接入控制方法,使得系统资源得到优化配置,系统吞吐量达到最大,同时保证用户满意度,降低用户业务阻塞率。 
用协同学实现该方法的基本过程是: 
1)建立异构网络系统模型,确定系统序参量;这里考虑的异构网络系统只包含UMTS网络和WiMax网络,但相关方法和思路同样适用于多个网络或其他网络的场景;确定的序参量为网络重叠覆盖区域中选择UMTS和WiMax进行接入的用户数比例p; 
2)引入各个网络被占用信道数的概率分布函数P(i,t),建立概率分布函数P(i,t)的运动方程,即主方程,并对主方程进行分析,确定系统在稳态时不同信道数被占用的概率; 
3)建立系统吞吐量优化方程,找出系统资源充分利用的相变点;根据系统 吞吐量优化方程,求解使系统吞吐量最大的用户数比例popt; 
4)依据相变点对重叠区域新到达用户业务进行接入控制;当处于重叠区域的用户请求接入时,若当前重叠区域已经接入UMTS和WiMax的用户数比例小于popt,并且UMTS有可用信道,则将用户接入UMTS;若UMTS没有可用信道,则尝试将用户接入WiMax,此时,若WiMax有可用信道,则将用户接入WiMax;若WiMax没有可用信道,则用户业务被阻塞;反之亦然。 
有益效果:本发明方法提供了一种基于协同学的异构网络接入控制方法。该方法通过对协同学中的运动方程进行分析,找到系统资源充分利用的相变点,确定重叠区域中接入相邻两个网络的最优用户数比例,使得以这种比例接入用户时,系统资源得到充分利用,系统吞吐量达到最大,同时用户满意度得到保证,业务阻塞率得以降低。该方法相对于其他异构网络接入控制方法,能够从宏观上对系统资源进行调度,提高系统资源利用率,最大化系统吞吐量,同时降低用户业务阻塞率。 
附图说明
图1 异构无线网络系统图。 
图2 接入控制流程图。 
具体实施方式
处于网络重叠覆盖区域的用户接入各个网络的用户数比例是反映系统对资源进行整体调度的重要参数。在异构网络系统中,各个网络的覆盖范围、最大数据传输速率以及信道资源是固定的。各个网络的资源由自身与其他网络非重叠区域的用户以及自身与其他网络重叠区域的用户共享。同时,处于多个网络重叠覆盖区域的用户可以选择多个网络进行接入。但是,能否合理配置重叠区域的用户接入各个网络的用户数比例,这极大影响了系统资源利用率和用户满意度。 
本发明是一种基于协同学的异构网络接入控制方法。该方法首先建立异构网络系统模型,确定重叠区域中选择各个网络的用户数比例为序参量,并引入各个网络被占用信道数的概率分布函数;进而建立概率分布函数的主方程,并对主方程进行分析,确定系统在稳态时不同信道数被占用的概率;然后建立系统吞吐量优化方程,找出系统资源充分利用的相变点;最后依据相变点对用户进行接入控 制,使得以相变点进行接入控制时,系统资源得到充分利用,系统吞吐量得到最大,并且用户业务阻塞率得以降低。 
结合附图,对本发明方案作进一步的具体分析和描述。该发明方法包括4个过程并按所述顺序进行: 
1)建立异构网络系统模型,确定系统序参量 
本发明适合多种异构无线网络融合的场景,为了简便,本发明考虑的异构无线网络系统由UMTS和WiMax两个网络构成,如附图1所示;dU(dW)、N(M)和RU(RW)分别表示UMTS(WiMax)的覆盖半径、信道数和单信道的数据传输速率;UMTS和WiMax重叠覆盖区域的业务到达率服从λo的泊松分布,UMTS和WiMax非重叠覆盖区域的业务到达率分别服从λU和λW的泊松分布,业务持续时间服从均值为1/μ的指数分布,用户的平均移动速度为ν; 
对于单个子网络,其信道资源由处于网络重叠区域的用户和处于非重叠区域的用户共享;单个子网络的状态可用当前被用户业务所占用的信道数i来描述,假设一个用户业务只占用一个网络信道,那么网络可从状态i转移到状态i+1或i-1,反之亦然; 
处于网络重叠覆盖区域的用户既可以选择UMTS进行接入,也可以选择WiMax进行接入;为了使异构网络系统资源得到充分利用,本发明将UMTS和WiMax的网络重叠区域中选择UMTS和WiMax进行接入的用户数比例p确定为序参量; 
将UMTS从状态i转移到状态i+1的转移率记为那么,应包括非重叠区域的业务到达率λU、重叠区域的业务到达率以及从其它网络到UMTS的平均业务切换率即: 
λ i U = λ U + p λ o + λ h U ‾ , 0 ≤ i ≤ N - 1 - - - ( 1 )
同样,将UMTS从状态i转移到状态i-1的转移率记为那么,应包括业务结束率iμ,以及从UMTS系统切换到相邻网络平均切换率μh; 
切换率μh可以表示为: 
μ h = 2 iv π d U , 1 ≤ i ≤ N - - - ( 2 )
这样,UMTS从状态i转移到状态i-1的转移率可以表示为: 
μ i U = iμ + μ h = i ( μ + 2 v π d U ) , 1 ≤ i ≤ N - - - ( 3 )
在式(1)中,表示从其它网络到UMTS的平均用户切换率;动态平衡理论表明,在单位时间内切换出与切换进网络的用户数是相同的;如果得到UMTS系统的稳态分布{Pst(i)},那么UMTS系统处于稳态时的平均用户数为: 
M U = Σ i = 0 N iP st ( i ) - - - ( 4 )
依据式(2)和动态平衡理论,可以表示为UMTS系统处于稳态时切换到其它网络的平均切换率,即: 
λ h U ‾ = 2 M U v π d U - - - ( 5 )
2)建立UMTS被占用信道数的概率分布函数的主方程,确定系统稳态概率 
在附图1中,UMTS系统被占用信道数从i转移到i-1的转移概率为: 
P ( ( i - 1 ) ← i ) = μ i U λ i U + μ i U , 1 ≤ i ≤ N - - - ( 6 )
由于i个信道中各个信道是否被占用是相互独立的,那么被占用信道数从i转移到i-1的转移率为: 
w ( ( i - 1 ) ← i ) ≡ w ↓ ( i ) = iP ( ( i - 1 ) ← i ) = i · μ i U λ i U + μ i U , 1 ≤ i ≤ N - - - ( 7 )
类似的,可以得到 
w ( ( i + 1 ) ← i ) ≡ w ↑ ( i ) = iP ( ( i + 1 ) ← i ) = i · λ i U λ i U + μ i U , 0 ≤ i ≤ N - 1 - - - ( 8 )
并且有 
w↑(0)=1,w↓(N)=1          (9) 
以概率分布函数P(i,t)表示t时刻UMTS网络被占用信道数为i的概率,那么P(i,t)服从如下的动态概率平衡方程,即P(i,t)的主方程为: 
dP ( i , t ) dt = [ w ↓ ( i + 1 ) P ( i + 1 , t ) - w ↓ ( i ) P ( i , t ) ] + [ w ↑ ( i - 1 ) P ( i - 1 , t ) - w ↑ ( i ) P ( i , t ) ] - - - ( 10 )
式(10)的含义:概率构型P(i,t)随时间的变化由两个相对的项组成;第一个项 描述了单位时间内从所有相邻概率构型到概率构型P(i,t)的概率流,第二个带负号的项抽象的是从概率构型P(i,t)到所有相邻概率构型的概率流; 
本发明引入ρ↑(i,t)和ρ↓(i,t)来表述{i}→{i+1},{i-1}的概率流: 
ρ ↑ ( i , t ) = w ↑ ( i ) P ( i , t ) ρ ↓ ( i , t ) = w ↓ ( i ) P ( i , t ) - - - ( 11 )
并且的网络概率流可以分别表示为: 
K ( i , t ) = ρ ↑ ( i , t ) - ρ ↓ ( i + 1 , t ) K ( i - 1 , t ) = ρ ↑ ( i - 1 , t ) - ρ ↓ ( i , t ) - - - ( 12 )
所以,主方程(10)可以变为 
dP ( i , t ) dt = K ( i - 1 , t ) - K ( i , t ) = - ΔK ( i , t ) - - - ( 13 )
同时,式(11)和式(12)的边界条件为 
ρ ↑ ( N , t ) = ρ ↓ ( 0 , t ) = 0 K ( N , t ) = K ( 0 , t ) = 0 - - - ( 14 )
在式(10)中,w↑(i-1)P(i-1,t)和w↓(i+1)P(i+1,t)可以分别依据泰勒公式展开 
w ↑ ( i - 1 ) P ( i - 1 , t ) = w ↑ ( i ) P ( i , t ) - Δi ∂ ∂ i [ w ↑ ( i ) P ( i , t ) ] + ( Δi ) 2 2 ∂ ∂ i 2 [ w ↑ ( i ) P ( i , t ) ] - - - ( 15 )
w ↑ ( i + 1 ) P ( i + 1 , t ) = w ↑ ( i ) P ( i , t ) + Δi ∂ ∂ i [ w ↓ ( i ) P ( i , t ) ] + ( Δi ) 2 2 ∂ 2 ∂ i 2 [ w ↓ ( i ) P ( i , t ) ] - - - ( 16 )
将式(15)和式(16)带入式(10),则主方程可以表述为 
dP ( i , t ) dt = - ∂ ∂ i [ ( w ↑ ( i ) - w ↓ ( i ) ) P ( i , t ) ] + 1 2 ∂ 2 ∂ i 2 [ ( w ↑ ( i ) + w ↓ ( i ) ) P ( i , t ) ] - - - ( 17 )
根据式(13),UMTS网络信道数的一般稳态方程可以表述为 
dP st ( i ) dt = K st ( i - 1 ) - K st ( i , t ) = 0 - - - ( 18 )
其中,Kst(i)表示稳态网络概率流。 
从式(18)可以得到Kst(i-1)=Kst(i,t);并且根据式(14)的边界条件,可以推导 出式(18)的解为 
Kst(i)=0,0≤i≤N          (19) 
将式(11)和式(12)带入式(19)可以得到 
w↓(i+1)Pst(i+1)=w↑(i)Pst(i)          (20) 
这样,可以得到稳态概率分布Pst(i) 
P st ( i ) = P st ( 0 ) Π v = 1 i w ↑ ( v - 1 ) w ↓ ( v ) , 1 ≤ i ≤ N - - - ( 21 )
并且Pst(0)的值可由式(22)求得 
Σ i = 0 N P st ( i ) = 1 - - - ( 22 )
将式(6)和(7)带入式(21)和(22),可以得到Pst(i) 
P st U ( i ) = ( Σ j = 0 N ( ( π U ) j / j ! ) ) - 1 ( π U ) i / i ! , 0 ≤ i ≤ N - - - ( 23 )
其中 
π U = λ U + p λ o + λ h U ‾ μ + 2 v / ( π d U ) - - - ( 24 )
根据式(5)和(23),当p值确定时,式中共有N+2个耦合变量和方程,所有这些耦合变量都可以通过数学方式求解出来;这样,UMTS处于稳态时的平均用户数MU可由式(4)得到;同样的,可以得到WiMax处于稳态时的平均用户数MW; 
3)建立系统吞吐量优化方程,找出系统资源充分利用的相变点 
依据UMTS和WiMax处于稳态时的平均用户数MU和MW,以及UMTS和WiMax的单信道数据传输速率RU和RW,可以得到异构网络系统总的平均吞吐量即为 
T(p)=RUMU+RWMW          (25) 
本发明旨在使用最优的p来最大化系统的总平均吞吐量;因此,本发明的优化问题可以表述为 
max T(p)=RUMU+RWMW
s.t.0≤p≤1          (26) 
考虑到优化问题中只有一个变量p,因此可以通过迭代方法来求得使系统总平均吞吐量最大的p,即popt;popt即为异构网络系统吞吐量的相变点,在最优 用户数比例popt处,异构网络的总系统吞吐量达到最大,并且此时系统处于稳态; 
4)依据相变点对用户进行接入控制 
UMTS和WiMax的重叠覆盖区域中有新的业务请求接入异构网络时,依据附图2对此新业务进行接入控制;具体接入控制方法如下: 
新业务产生于UMTS和WiMax的重叠覆盖区域,此时,若当前重叠区域已经接入UMTS和WiMax的用户数比例小于popt,并且UMTS有可用信道,则将用户接入UMTS;若UMTS没有可用信道,则尝试将用户接入WiMax,此时,若WiMax有可用信道,则将用户接入WiMax;若WiMax没有可用信道,则用户业务被阻塞; 
反之,若当前重叠区域已经接入UMTS和WiMax的用户数比例大于等于popt,并且WiMax有可用信道,则将用户接入WiMax;若WiMax没有可用信道,则尝试将用户接入UMTS,此时,若UMTS有可用信道,则将用户接入UMTS;若UMTS没有可用信道,则用户业务被阻塞。 

Claims (1)

1.一种基于协同学的异构网络接入控制方法,其特征在于该方法基于协同学的角度,通过建立以重叠区域接入两个网络的用户数比例为序参量的协同学方程,得到使系统吞吐量最大的用户数比例,进而对重叠区域的用户进行接入控制,具体包括如下步骤:
步骤1:建立异构网络系统模型,确定系统序参量;
异构无线网络系统有UMTS和WiMax两个网络;dU(dW)、N(M)和RU(RW)分别表示UMTS(WiMax)的覆盖半径、信道数和单信道的数据传输速率;UMTS和WiMax重叠覆盖区域的业务到达率服从λo的泊松分布,UMTS和WiMax非重叠覆盖区域的业务到达率分别服从λU和λW的泊松分布,业务持续时间服从均值为1/μ的指数分布,用户的平均移动速度为ν;
对于单个子网络,其信道资源由处于网络重叠区域的用户和处于非重叠区域的用户共享;UMTS系统的状态可用当前被用户业务所占用的所有信道数i来描述,其中,0≤i≤N;假设一个用户业务只占用一个网络信道;那么网络可从状态i转移到状态i+1或i-1,反之亦然;
确定UMTS和WiMax重叠区域中选择UMTS和WiMax进行接入的用户数比例p为序参量;
步骤2:建立概率分布函数的主方程,并对主方程进行分析,确定系统在稳态时不同信道数被占用的概率;
以概率分布函数P(i,t)表示t时刻UMTS网络被占用信道数为i的概率,P(i,t)服从如下的动态概率平衡方程,即建立的P(i,t)的主方程为:
dP ( i , t ) dt = [ w ↓ ( i + 1 ) P ( i + 1 , t ) - w ↓ ( i ) P ( i , t ) ] + [ w ↑ ( i - 1 ) P ( i - 1 , t ) - w ↑ ( i ) P ( i , t ) ]
上式含义:概率构型P(i,t)随时间的变化由两个相对的项组成;第一个项描述了单位时间内从所有相邻概率构型到概率构型P(i,t)的概率流,第二个带负号的项抽象的是从概率构型P(i,t)到所有相邻概率构型的概率流;
当系统处于稳态时,令可得
w↓(i+1)Pst(i+1)=w↑(i)Pst(i)
可以得到稳态概率分布Pst(i)
P st U ( i ) = ( Σ j = 0 N ( ( π U ) j / j ! ) ) - 1 ( π U ) i / i ! , 0 ≤ i ≤ N
其中
π U = λ U + p λ o + λ h U ‾ μ + 2 v / ( π d U )
UMTS处于稳态的平均用户数MU可由得到;同样的,可以得到WiMax处于稳态时的平均用户数MW
步骤3:建立系统吞吐量优化方程,找出系统资源充分利用的相变点;
依据UMTS和WiMax处于稳态时的平均用户数MU和MW,UMTS和WiMax的单信道数据传输速率RU和RW,可以得到异构网络系统总的平均吞吐量即为
T(p)=RUMU+RWMW          (7)
本发明旨在使用最优的p来最大化系统的总平均吞吐量;因此,本发明的优化问题可以表述为
max T(p)=RUMU+RWMW
s.t.0≤p≤1                    (8)
可以通过迭代方法求得使系统总平均吞吐量最大的p,即popt;popt即为异构网络系统吞吐量的相变点,在最优用户数比例popt处,异构网络的总系统吞吐量达到最大,并且此时系统处于稳态;
步骤4:依据相变点对用户进行接入控制;
UMTS和WiMax的重叠覆盖区域有新业务到达,若当前重叠区域已经接入UMTS和WiMax的用户数比例小于popt,并且UMTS有可用信道,则将用户接入UMTS;若UMTS没有可用信道,则尝试将用户接入WiMax,此时,若WiMax有可用信道,则将用户接入WiMax;若WiMax没有可用信道,则用户业务被阻塞;
反之,若当前重叠区域已经接入UMTS和WiMax的用户数比例大于等于popt,并且WiMax有可用信道,则将用户接入WiMax;若WiMax没有可用信道,则尝试将用户接入UMTS,此时,若UMTS有可用信道,则将用户接入UMTS;若UMTS没有可用信道,则用户业务被阻塞。
CN201410259648.0A 2014-06-11 2014-06-11 一种基于协同学的异构网络接入控制方法 Expired - Fee Related CN104113876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410259648.0A CN104113876B (zh) 2014-06-11 2014-06-11 一种基于协同学的异构网络接入控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410259648.0A CN104113876B (zh) 2014-06-11 2014-06-11 一种基于协同学的异构网络接入控制方法

Publications (2)

Publication Number Publication Date
CN104113876A true CN104113876A (zh) 2014-10-22
CN104113876B CN104113876B (zh) 2017-09-22

Family

ID=51710476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410259648.0A Expired - Fee Related CN104113876B (zh) 2014-06-11 2014-06-11 一种基于协同学的异构网络接入控制方法

Country Status (1)

Country Link
CN (1) CN104113876B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112016036A (zh) * 2020-05-20 2020-12-01 哈尔滨学院 一种基于主方程的在线社会网络信息演化分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012039365A (ja) * 2010-08-06 2012-02-23 Panasonic Corp 基地局装置、通信端末装置及び送信方法
JP2012044531A (ja) * 2010-08-20 2012-03-01 Panasonic Corp 基地局装置、通信端末装置及び送信方法
JP2012231236A (ja) * 2011-04-25 2012-11-22 Nec Corp 無線通信システム、セルサイズの推定方法およびネットワークパラメータ制御方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012039365A (ja) * 2010-08-06 2012-02-23 Panasonic Corp 基地局装置、通信端末装置及び送信方法
JP2012044531A (ja) * 2010-08-20 2012-03-01 Panasonic Corp 基地局装置、通信端末装置及び送信方法
JP2012231236A (ja) * 2011-04-25 2012-11-22 Nec Corp 無線通信システム、セルサイズの推定方法およびネットワークパラメータ制御方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112016036A (zh) * 2020-05-20 2020-12-01 哈尔滨学院 一种基于主方程的在线社会网络信息演化分析方法

Also Published As

Publication number Publication date
CN104113876B (zh) 2017-09-22

Similar Documents

Publication Publication Date Title
Liu et al. RL/DRL meets vehicular task offloading using edge and vehicular cloudlet: A survey
Zhou et al. Cyber-physical-social systems: A state-of-the-art survey, challenges and opportunities
Chen et al. ThriftyEdge: Resource-efficient edge computing for intelligent IoT applications
Zhou et al. Resource sharing and task offloading in IoT fog computing: A contract-learning approach
Li et al. An end-to-end load balancer based on deep learning for vehicular network traffic control
Kim et al. Parking assignment: Minimizing parking expenses and balancing parking demand among multiple parking lots
Nan et al. A dynamic tradeoff data processing framework for delay-sensitive applications in cloud of things systems
Yu et al. DMPO: Dynamic mobility-aware partial offloading in mobile edge computing
Ahmed et al. A survey on vehicular task offloading: Classification, issues, and challenges
Ren et al. An intelligent big data collection technology based on micro mobile data centers for crowdsensing vehicular sensor network
CN111083634B (zh) 基于cdn和mec的车联网移动性管理方法
Wang et al. Regional intelligent resource allocation in mobile edge computing based vehicular network
CN105528248B (zh) 多任务合作应用下的群智感知激励机制
Kadhim et al. Proactive load balancing mechanism for fog computing supported by parked vehicles in IoV-SDN
CN109451462B (zh) 一种基于半马尔科夫链的车载网络频谱资源分配方法
CN109803292A (zh) 一种基于强化学习的多次级用户移动边缘计算的方法
Wu et al. A utility-based subcontract method for sensing task in mobile crowd sensing
Chavhan et al. Next-generation smart electric vehicles cyber physical system for charging slots booking in charging stations
Wang et al. Joint offloading decision and resource allocation in vehicular edge computing networks
Li et al. DTN-assisted dynamic cooperative slicing for delay-sensitive service in MEC-enabled IoT via deep deterministic policy gradient with variable action
Al Ridhawi et al. Realizing the tactile internet through intelligent zero touch networks
CN104113876A (zh) 一种基于协同学的异构网络接入控制方法
Lovén et al. A dark and stormy night: Reallocation storms in edge computing
Li et al. Mobility and dependency-aware task offloading for intelligent assisted driving in vehicular edge computing networks
Romo-Montiel et al. Improving communication protocols in smart cities with transformers

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170922

CF01 Termination of patent right due to non-payment of annual fee