CN107302746B - 一种基于模拟退火的d2d多内容传输优先级确定方法 - Google Patents
一种基于模拟退火的d2d多内容传输优先级确定方法 Download PDFInfo
- Publication number
- CN107302746B CN107302746B CN201710574630.3A CN201710574630A CN107302746B CN 107302746 B CN107302746 B CN 107302746B CN 201710574630 A CN201710574630 A CN 201710574630A CN 107302746 B CN107302746 B CN 107302746B
- Authority
- CN
- China
- Prior art keywords
- social
- users
- content
- strength
- increment
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/12—Wireless traffic scheduling
- H04W72/121—Wireless traffic scheduling for groups of terminals or users
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
- H04W72/566—Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient
- H04W72/569—Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient of the traffic information
Abstract
本发明请求保护一种基于模拟退火的D2D多内容传输优先级确定方法,属于移动通信领域。该方法包括以下步骤:1、基于用户对内容的兴趣度进行分组;2、基于霍克斯模型,利用社会信任和社会互惠量化用户间的社会关系强度及其由内容交互所带来的增量;3、引入时间衰减因子,结合兴趣度和社会关系强度,以最大化社会关系强度增量为目标建立优先级决策模型;4、基于社会‑物理两层抽象模型,转化为以最大化系统容量增量为目标的优先级决策模型;5、利用模拟退火算法求解优先级决策模型,确定D2D多内容传输的优先级机制。本发明提出的多内容传输优先级算法,在提升用户间亲密度的同时还能提升系统整体容量。
Description
技术领域
本发明属于移动通信技术与数据挖掘领域,更具体地说,本发明涉及一种基于模拟退火的D2D多内容传输优先级方法,可以有效挖掘用户属性及用户间的关系,进行合理的优先级方案设计。
背景技术
随着移动通信技术的飞速发展,用户日益增加的业务需求和有限网络带宽资源之间的矛盾尤为突出,因此,急需对现存的无线网络架构进行相应的提升。D2D(device-to-device)是一种在蜂窝系统的控制下,允许终端用户通过共享小区资源进行直接通信的新技术。将D2D通信引入蜂窝网络可以在提高系统频谱效率和通信容量的同时,减轻基站负载,减小通信时延,因此目前得到了广泛的研究和应用,并成为LTE-A的重要组成之一。D2D通信与蓝牙、无线局域网(WLAN)等基于ISM频段的短距离通信技术的最大区别是它使用运营商的授权频段,其干扰是可控的,数据传输具有更高的可靠性。
与此同时,近年来,由于移动网络日渐以用户为中心,使得一个新兴领域--社会网络逐渐兴起,并为用户提供了多样的业务和应用。社会网络是用户通过日常交互所形成的一种较稳定的关系集合,其涵盖的一系列参数,诸如社会亲密度、中心性、社区等能够反映出用户间的关系,包括朋友关系、同学关系、生意伙伴关系和种族信仰关系等,经由这些社会关系,把从偶然相识的泛泛之交到紧密结合的家庭关系的各种人们或组织串连起来。既然终端设备是由人来携带和使用,因此这些用户通过日常的通信活动便构成了稳定的社会网络,并具有一定的社会结构和社会现象,因而用户的通信行为会受到用户间社会关系的影响并在很大程度上影响着用户的社会属性和社会关系。相应地,社会网络的出现颠覆了现有的网络架构,在原有物理层架构的基础上增加了以社会关系为依据的社会层网络架构,基于该网络架构的D2D通信性能可以得到有效的改善和提升。因此,将D2D和社会网络进行结合有着巨大潜力,同时也是通信行业发展的热点之一。
D2D和社会网络的结合,不仅体现在利用社会属性解决D2D关键问题,例如邻居发现、资源分配、模式选择、干扰管理等,同时也体现在基于D2D通信增强用户在社会网络中的关系,提升用户的体验质量。社会网络给用户提供的多样业务使得越来越多的数据分布在移动用户间,这些数据不仅数量多、多样性强,而且更新速度快、潜在价值大,如何快速有效地传输这些数据是缓解网络负担的关键。由于D2D为直连通信技术,与传统通信模式相比能有效降低通信时延,提升通信效率,从而其快速的数据传输速率和网络数据的高产生速率可以有效匹配,在减轻网络负担的同时满足用户对数据的需求。通常地,在网络资源紧缺的情况下,若每个用户同时对多个数据进行传输,无疑会大大增加网络负载,因此假设用户对数据进行逐个单独传输。但是,如前所述,网络中存在的数据量大,单个用户有极大可能存在多个待传输的数据,这一矛盾决定了确定有效数据传输优先级方案的必要性。由于用户是通信行为的主体,提升用户的满意度是数据传输的最终目标,为了实现这一目标,在制定优先级策略时我们需要考虑如下几个因素:1)用户对不同数据的兴趣度和需求度;2)用户间的数据链路安全性和可靠性;3)用户间的关系亲密度和信任度。由此可见,在满足物理传输条件的同时,所确定的优先级方案也由用户的社会属性决定。
因此,将D2D与社会网络进行结合,确定有效的数据传输优先级方案对于减轻网络负载和提升用户满意度有着至关重要的作用。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种在提升用户间亲密度的同时还能提升系统整体容量的基于模拟退火的D2D多内容传输优先级确定方法。本发明的技术方案如下:
一种基于模拟退火的D2D多内容传输优先级确定方法,其包括以下步骤:
1)、基于用户对内容的兴趣度进行用户分组;
2)、量化用户间的社会关系强度,及量化由内容交互所带来的社会关系强度增量;
3)、引入时间衰减因子,结合兴趣度和用户间社会关系强度,以最大化社会关系强度增量为目标建立优先级决策模型;
4)、基于社会-物理两层抽象模型,根据社会关系强度对用户间通信链路可靠性的影响,将步骤3)以最大化社会关系强度增量为目标的优先级决策模型转化为以最大化系统容量增量为目标的优先级决策模型;
5)、利用模拟退火算法求解步骤4)以最大化系统容量增量为目标的优先级决策模型,确定多内容传输的优先级机制。
进一步的,所述步骤1)基于用户对内容的兴趣度进行用户分组具体包括步骤:
基于用户对内容的兴趣度,将对同一个内容有兴趣的用户分为一组,并利用预设的兴趣度阈值对组内用户进行过滤,从而内容持有者以D2D组播的方式将数据传输给组内用户。
进一步的,所述步骤2)采用的是基于霍克斯模型,利用用户间的社会信任和社会互惠关系,量化用户间的社会关系强度及其由内容交互所带来的增量。
进一步的,所述社会信任强度与交互事件的概率模型,社会信任强度与属性相似度的概率模型分别用霍克斯过程模型和高斯分布条件概率模型表示如下:
其中z(i,j)表示社会信任强度,表示交互事件,s(i,j)表示属性相似度,{T1,T2,…Tk-1}表示交互事件,其中1,2,…k-1分别表示不同的时间段,其中m表示特定交互事件,m=1,2,…k-1,λ0(k)表示霍克斯自激过程的基础强度,αm表示第m项交互行为的权重βm表示第m项交互行为的时间调节因子,M表示用户交互行为种类总数,为用户属性中各属性对相似度贡献的比重。
进一步的,社会关系强度增量的计算过程为:将用户间的社会互惠强度表示为:
其中Cj,i表示j拥有的i所感兴趣的内容数,Ci,j反之亦然,因此,用户间社会关系强度sts(i,j)定义为:
△sts(i,j)=sts(i,j)k-sts(i,j)k-1
其中k-1为用户i和j目前的交互次数,sts(i,j)k-1和sts(i,j)k分别表示k-1次交互和k次交互所对应的社会关系强度。
进一步的,所述步骤3)引入时间衰减因子,结合兴趣度和用户间社会关系强度,以最大化
社会关系强度增量为目标建立优先级决策模型,具体包括:
a.将总时间T划分为m个时隙,T={t1,t2,…tm},下标1,2,…m按照时间先后顺序排列。引入时间衰减因子,时间衰减因子fc(t)表征的是社会关系随时间的衰减特性并受通信间隔的影响,tk表示第k个时隙的长度,即传输第k个内容所花的时间;
b.在引入时间衰减因子后,结合量化的社会关系强度增量和用户对内容的兴趣度建立分组效用函数Uc(x),总的来说,兴趣度和衰减因子都是社会关系强度增量的影响因子,Uc(x)表示如下:
其中i为组内内容持有者,j为组内的内容请求者,Nc为该内容分组所对应的用户数,△sts(i,j)表示组内用户持有者与用户请求者之间的关系强度增量,即在进行该次内容传输之后的关系增益,wj表示组内请求者j对内容c的兴趣度,fc(t)则表示内容c的时间衰减因子,也间接地表示内容c所分配到的优先级;
c.建立系统效用函数Utotal(x)和以最大化系统效用函数为目标的优先级决策模型,Utotal(x)表示如下:
其中β用于惩罚不公平性,调节各组间效用函数的差异,β的取值依
赖于具体场景。
进一步的,步骤4)中的社会-物理两层抽象模型是从用户和移动设备两个角度看待通信行为,且物理层中的移动设备和社会层中的用户是一一对应的关系,用户间的社会关系强度间接地表征了用户间的信任程度,从而影响用户间的链路可靠性,基于此,根据香农定理,利用社会关系强度与系统容量的关系,将步骤3)中的优先级决策模型转化为以最大化系统容量增量为目标的优先级决策模型。
进一步的,所述步骤5)基于模拟退火的优先级确定方法具体步骤如下:a、初始化优先级方案x、迭代次数L、初始温度t0、终止温度tmin和温度调节因子r;b、如果当前温度t>tmin;c、初始化i=1;从领域中产生新解x';d、计算目标函数值增量△U=Utotal(x')-Utotal(x);e、如果△U>0则接受x'为当前解,表示为x=x',否则以概率p(exp(△U/t)>random(0,1))接受x'为当前解;f、更新i=i+1;g、如果i≤L,返回步骤d;h、更新t=t*r,返回步骤b;i、得到最终优先级方案x。
本发明的优点及有益效果如下:
本发明旨在建立一种基于模拟退火算法的D2D多内容传输优先级确定方法,在提升用户间的社会关系强度的同时,增强链路可靠性和系统容量,更有效地提升系统性能。本发明具体步骤如下:
1)、基于用户对内容的兴趣度进行分组,从而基于该分组进行D2D组播,提升系统能效。
2)、基于霍克斯模型,利用社会信任和社会互惠量化用户间的社会关系强度,并量化内容交互所带来的社会关系强度增量来表征用户间亲密度或社会关系的变化。
3)、引入时间衰减因子,结合兴趣度和社会关系强度,以最大化社会关系强度增量为目标建立优先级决策模型;
4)、基于社会-物理两层抽象模型,利用社会关系强度与链路可靠性间的正相关关系,将步骤3)中的模型转化为以最大化系统容量增量为目标的优先级决策模型;
5)、为了降低时间和计算复杂度,利用模拟退火算法求解优先级决策模型,确定多内容传输的优先级机制。
附图说明
图1是本发明提供优选实施例的基于模拟退火的D2D多内容传输优先级确定方法的具体实现流程图;
图2为霍克斯过程示意图;
图3为社会关系强度量化模型图;
图4为系统模型图;
图5为基于模拟退火算法的优先级确定流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细的描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
图1为基于模拟退火的D2D多内容传输优先级确定方法的具体实现流程图,详细描述如下。
在移动通信网络中,由于通信业务的急剧增长,用户可能存在多个待传输的数据,且这些数据的需求者不尽相同,在单天线模式下,用户只能将这些数据以D2D通信方式进行逐个单独传输,从而引发了内容传输的优先级确定问题。考虑到用户间的社会关系对通信行为的影响,在优先级确定过程中不仅以增强物理性能为目标,更将增强用户间的社会关系或亲密度作为优化目标之一。
因此提出基于模拟退火的D2D多内容传输优先级确定方法,包括以下步骤:
步骤一:基于用户对内容的兴趣度,将对同一个内容有兴趣的用户分为一组,并利用预设的兴趣度阈值对组内用户进行过滤,从而内容持有者以D2D组播的方式将数据传输给组内用户。
步骤二:基于霍克斯模型,利用用户间的社会信任和社会互惠关系,量化用户间的社会关系强度及其由内容交互所带来的增量。
如图2和图3所示,影响用户间关系强度的因素为按时间段进行提取的历史交互事件{T1,T2,…Tk-1}与属性相似度s(i,j),其中1,2,…k-1分别表示不同的时间段。同时,社会信任强度z(i,j)对下一个时间段的交互事件也会有影响,其中m表示特定交互事件,m=1,2,…k-1。社会信任强度与交互事件和属性相似度的概率模型分别用霍克斯过程模型和高斯分布条件概率模型表示如下:
由于每个D2D用户所拥有的数据内容不尽相同,他们彼此可能拥有对方所需要的内容,且可以基于社会互惠的关系将对方所需内容传输给彼此。基于此,我们将用户间的社会互惠强度表示为:
其中Cj,i表示j拥有的i所感兴趣的内容数,Ci,j反之亦然。因此,用户间社会关系强度sts(i,j)定义为:
△sts(i,j)=sts(i,j)k-sts(i,j)k-1
其中k-1为用户i和j目前的交互次数,sts(i,j)k-1和sts(i,j)k分别表示用户基于优先级策略进行内容传输前与传输后的社会关系强度。
步骤三:引入时间衰减因子,结合兴趣度和社会关系强度,以最大化社会关系强度增量为目标建立优先级决策模型。具体过程如下:
d.引入时间衰减因子。时间衰减因子fc(t)表征的是社会关系随时间的衰减特性并受通信间隔的影响。也就是说,用户间若长时间没有进行社会交互,其社会关系强度会慢慢减小。在本发明中,由于内容传输存在优先级,因此优先级较低的内容所对应的请求者与内容持有者之间的交互所带来的社会关系提升会受到衰减,因为优先级越低,等待传输的时间越长,社会关系衰减越大。此外,由于每个内容对应的分组内以组播形式进行数据传输,因此,每个分组的衰减因子相同。通常地,衰减因子以指数形式表示,具体为:
fc(t)=exp(-αTm)
其中α是时间衰减频率因子,其值越大,代表sts或者△sts随时间衰减得越快,Tm表示传输前m-1个内容所花费的时间。由于传输一个内容占用一个时隙,因此Tm表达为:
Tm=t1+t2+...+tm-1
因此fc(t)可进一步表示为:
e.在引入时间衰减因子后,结合量化的社会关系强度增量和用户对内容的兴趣度建立分组效用函数Uc(x),总的来说,兴趣度和衰减因子都是社会关系强度增量的影响因子。Uc(x)表示如下:
其中i为组内内容持有者,j为组内的内容请求者,Nc为该内容分组所对应的用户数,△sts(i,j)表示组内用户持有者与用户请求者之间的关系强度增量,即在进行该次内容传输之后的关系增益,wj表示组内请求者j对内容c的兴趣度,fc(t)则表示内容c的时间衰减因子,也间接地表示内容c所分配到的优先级。
f.建立系统效用函数Utotal(x)和以最大化系统效用函数为目标的优先级决策模型。事实上,最大化Utotal(x)相当于最大化用户持有者与各用户请求者之间的社会关系强度增量,同时把公平性列入考虑范围。Utotal(x)表示如下:
其中β用于惩罚不公平性,调节各组间效用函数的差异。β的取值依赖于具体场景。
步骤四:基于社会-物理两层抽象模型,根据社会关系强度对用户间通信链路可靠性的影响,将上述优先级决策模型转化为以最大化系统容量增量为目标的优先级决策模型。
步骤五:利用模拟退火算法求解优先级确定问题,实现多内容传输的优先级机制。
很明显地,所提优先级确定问题是一个组合优化问题,不同的优先级方案带来不同的系统效用函数值,而我们所需的是最大化系统效用函数的最优优先级方案。遍历法可以准确地得到最优方案,但是时间复杂度和运算复杂度比较高。基于此,我们采用模拟退火算法求解优先级问题,实现复杂度和准确度的优化折中。模拟退火算法由Metropolis在1953年首次提出,1983年S.Kirkpatrick等成功地将退火思想引入到组合优化领域,其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。基于模拟退火的优先级确定方法具体步骤如下:
a.初始化优先级方案x、迭代次数L、初始温度t0、终止温度tmin和温度调节因子r;
b.如果当前温度t>tmin;
c.初始化i=1;
d.从领域中产生新解x';
e.计算目标函数值增量△U=Utotal(x')-Utotal(x);
f.如果△U>0则接受x'为当前解,表示为x=x',否则以概率p(exp(△U/t)>random(0,1))接受x'为当前解;
g.更新i=i+1;
h.如果i≤L,返回步骤d;
i.更新t=t*r,返回步骤b;
j.得到最终优先级方案x。
图4展示了系统模型图,经过上述步骤之后,所形成的优先级方案综合考虑了用户间的社会关系和链路状态。相比于其他方法,所提方法首先以最大化用户间社会关系强度为目标,由此增强了用户间链路的可靠性,在提升系统性能如容量等方面有更优越的性能。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (7)
1.一种基于模拟退火的D2D多内容传输优先级确定方法,其特征在于,包括以下步骤:
1)、基于用户对内容的兴趣度进行用户分组;
2)、量化用户间的社会关系强度,及量化由内容交互所带来的社会关系强度增量;
3)、引入时间衰减因子,结合兴趣度和用户间社会关系强度,以最大化社会关系强度增量为目标建立优先级决策模型;
4)、基于社会-物理两层抽象模型,根据社会关系强度对用户间通信链路可靠性的影响,将步骤3)以最大化社会关系强度增量为目标的优先级决策模型转化为以最大化系统容量增量为目标的优先级决策模型;
5)、利用模拟退火算法求解步骤4)以最大化系统容量增量为目标的优先级决策模型,确定多内容传输的优先级机制。
2.根据权利要求1所述的基于模拟退火的D2D多内容传输优先级确定方法,其特征在于,所述步骤1)基于用户对内容的兴趣度进行用户分组具体包括步骤:
基于用户对内容的兴趣度,将对同一个内容有兴趣的用户分为一组,并利用预设的兴趣度阈值对组内用户进行过滤,从而内容持有者以D2D组播的方式将数据传输给组内用户。
3.根据权利要求1所述的基于模拟退火的D2D多内容传输优先级确定方法,其特征在于,所述步骤2)采用的是基于霍克斯过程模型,利用用户间的社会信任和社会互惠关系,量化用户间的社会关系强度及其由内容交互所带来的增量;
所述社会信任强度与交互事件的概率模型,社会信任强度与属性相似度的概率模型分别用霍克斯过程模型和高斯分布条件概率模型表示如下:
5.根据权利要求4所述的基于模拟退火的D2D多内容传输优先级确定方法,其特征在于,所述步骤3)引入时间衰减因子,结合兴趣度和用户间社会关系强度,以最大化社会关系强度增量为目标建立优先级决策模型,具体包括:
a.将总时间T划分为m个时隙,T={t1,t2,…tm},下标1,2,…m按照时间先后顺序排列;引入时间衰减因子,时间衰减因子fc(t)表征的是社会关系随时间的衰减特性并受通信间隔的影响,tk表示第k个时隙的长度,即传输第k个内容所花的时间;
b.在引入时间衰减因子后,结合量化的社会关系强度增量和用户对内容的兴趣度建立分组效用函数Uc(x),总的来说,兴趣度和衰减因子都是社会关系强度增量的影响因子,Uc(x)表示如下:
其中i为组内内容持有者,j为组内的内容请求者,Nc为该内容分组所对应的用户数,Δsts(i,j)表示组内用户持有者与用户请求者之间的关系强度增量,即在进行该次内容传输之后的关系增益,wj表示组内请求者j对内容c的兴趣度,fc(t)则表示内容c的时间衰减因子,也间接地表示内容c所分配到的优先级;
c.建立系统效用函数Utotal(x)和以最大化系统效用函数为目标的优先级决策模型,Utotal(x)表示如下:
其中β用于惩罚不公平性,调节各组间效用函数的差异,β的取值依赖于具体场景。
6.根据权利要求5所述的基于模拟退火的D2D多内容传输优先级确定方法,其特征在于,步骤4)中的社会-物理两层抽象模型是从用户和移动设备两个角度看待通信行为,且物理层中的移动设备和社会层中的用户是一一对应的关系,用户间的社会关系强度间接地表征了用户间的信任程度,从而影响用户间的链路可靠性,基于此,根据香农定理,利用社会关系强度与系统容量的关系,将步骤3)中的优先级决策模型转化为以最大化系统容量增量为目标的优先级决策模型。
7.根据权利要求6所述的基于模拟退火的D2D多内容传输优先级确定方法,其特征在于,所述步骤5)基于模拟退火的优先级确定方法具体步骤如下:a、初始化优先级方案x、迭代次数L、初始温度t0、终止温度tmin和温度调节因子r;b、如果当前温度t>tmin;c、初始化i=1;从领域中产生新解x';d、计算目标函数值增量ΔU=Utotal(x')-Utotal(x);e、如果ΔU>0则接受x'为当前解,表示为x=x',否则以概率p(exp(ΔU/t)>random(0,1))接受x'为当前解;f、更新i=i+1;g、如果i≤L,返回步骤d;h、更新t=t*r,返回步骤b;i、得到最终优先级方案x。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710574630.3A CN107302746B (zh) | 2017-07-14 | 2017-07-14 | 一种基于模拟退火的d2d多内容传输优先级确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710574630.3A CN107302746B (zh) | 2017-07-14 | 2017-07-14 | 一种基于模拟退火的d2d多内容传输优先级确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107302746A CN107302746A (zh) | 2017-10-27 |
CN107302746B true CN107302746B (zh) | 2020-08-04 |
Family
ID=60133886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710574630.3A Active CN107302746B (zh) | 2017-07-14 | 2017-07-14 | 一种基于模拟退火的d2d多内容传输优先级确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107302746B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108391257B (zh) * | 2018-02-26 | 2023-09-26 | 重庆邮电大学 | 一种社会网络d2d场景下基于拍卖理论的资源分配方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024911A (zh) * | 2012-11-30 | 2013-04-03 | 北京邮电大学 | 蜂窝与d2d混合网络中终端直通通信的数据传输方法 |
CN103095423A (zh) * | 2013-01-31 | 2013-05-08 | 西安电子科技大学 | 基于d2d组间通信的多用户协同传输方法 |
CN104349479A (zh) * | 2013-10-31 | 2015-02-11 | 上海朗帛通信技术有限公司 | D2d通信资源分配方法及基站设备和用户设备 |
CN105704825A (zh) * | 2016-01-19 | 2016-06-22 | 重庆邮电大学 | D2d中基于自适应随机接入的动态发现资源分配系统及方法 |
CN106162724A (zh) * | 2016-07-20 | 2016-11-23 | 重庆信科设计有限公司 | 一种基于社交网络的d2d设备发现方法 |
CN106454700A (zh) * | 2016-09-13 | 2017-02-22 | 华北电力大学 | 基于社交网络的d2d通信内容分发方案 |
-
2017
- 2017-07-14 CN CN201710574630.3A patent/CN107302746B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024911A (zh) * | 2012-11-30 | 2013-04-03 | 北京邮电大学 | 蜂窝与d2d混合网络中终端直通通信的数据传输方法 |
CN103095423A (zh) * | 2013-01-31 | 2013-05-08 | 西安电子科技大学 | 基于d2d组间通信的多用户协同传输方法 |
CN104349479A (zh) * | 2013-10-31 | 2015-02-11 | 上海朗帛通信技术有限公司 | D2d通信资源分配方法及基站设备和用户设备 |
CN105704825A (zh) * | 2016-01-19 | 2016-06-22 | 重庆邮电大学 | D2d中基于自适应随机接入的动态发现资源分配系统及方法 |
CN106162724A (zh) * | 2016-07-20 | 2016-11-23 | 重庆信科设计有限公司 | 一种基于社交网络的d2d设备发现方法 |
CN106454700A (zh) * | 2016-09-13 | 2017-02-22 | 华北电力大学 | 基于社交网络的d2d通信内容分发方案 |
Non-Patent Citations (3)
Title |
---|
"Exploiting Social Ties for Cooperative D2D Communications:A Mobile Social Networking Case";Xu Chen et al.;《ACM TRANSACTIONS ON NETWORKING》;20151030;全文 * |
"Peer discovery for D2D communications based on social attribute and service attribute";Zufan Zhang et al.;《Journal of Network and Computer Applications》;20161130;全文 * |
"基于D2D对分组的TDD系统资源分配算法";张祖凡等;《计算机研究与发展》;20170621;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107302746A (zh) | 2017-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109639377B (zh) | 基于深度强化学习的频谱资源管理方法 | |
CN108063830B (zh) | 一种基于mdp的网络切片动态资源分配方法 | |
CN108834080B (zh) | 异构网络中基于多播技术的分布式缓存和用户关联方法 | |
CN106454700B (zh) | 基于社交网络的d2d通信内容分发方法 | |
Hu et al. | A joint power and bandwidth allocation method based on deep reinforcement learning for V2V communications in 5G | |
CN104796900A (zh) | 基于拍卖理论的蜂窝网络中d2d通信资源分配方法 | |
Liu et al. | Resource allocation in D2D enabled vehicular communications: A robust stackelberg game approach based on price-penalty mechanism | |
CN107949007A (zh) | 无线缓存系统中基于拍卖理论的一种资源分配算法 | |
Wang et al. | Content placement considering the temporal and spatial attributes of content popularity in cache-enabled uav networks | |
CN107682935A (zh) | 一种基于系统稳定性的无线自回传资源调度方法 | |
Xi et al. | Real-time resource slicing for 5G RAN via deep reinforcement learning | |
Kuo et al. | Efficient swarm intelligent algorithm for power control game in cognitive radio networks | |
CN107302746B (zh) | 一种基于模拟退火的d2d多内容传输优先级确定方法 | |
Rasheed | Dynamic mode selection and resource allocation approach for 5G-vehicle-to-everything (V2X) communication using asynchronous federated deep reinforcement learning method | |
Li et al. | Deep reinforcement learning based wireless resource allocation for V2X communications | |
CN110139282A (zh) | 一种基于神经网络的能量采集d2d通信资源分配方法 | |
Nguyen et al. | Utility optimization for blockchain empowered edge computing with deep reinforcement learning | |
CN109104768B (zh) | 一种基于模拟退火算法的非正交多址接入联合带宽和速率分配方法 | |
Li et al. | Genetic algorithm‐based content distribution strategy for F‐RAN architectures | |
Zhou et al. | Joint peer discovery and resource allocation for social-aware D2D communications: A matching approach | |
CN105960005B (zh) | 超密集网络中保障用户公平性的功率控制方法 | |
CN109152060A (zh) | 一种短波下行通信中的发射机信道分配模型及方法 | |
Ren et al. | Joint spectrum allocation and power control in vehicular communications based on dueling double DQN | |
Fan et al. | Adaptive channel selection and slot length configuration in cognitive radio | |
CN103313268B (zh) | 一种基于异构无线接入网激励合作的多目标拓扑控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |