论文研究-认知无线mesh网络中基于协作学习自动机的自适应信道分配算法.pdf

所需积分/C币:9 2019-07-22 23:28:21 822KB .PDF
收藏 收藏
举报

在认知无线mesh网络多信道环境中处理繁重的数据业务是一项具有挑战性的任务。为了解决这个问题,提出了一种新的基于协作学习自动机(learning automata,LA)的自适应信道分配算法(CLACAA)。在所提出的算法中,LA被部署在邻近的互相协作的次用户上。为了LA能自适应地更新其动作概率向量,设计了一种线性奖赏无为方案;定义了一种新的信道利用率因子用于信道选择,以解决信道冲突发生的问题;给出了当信道由于大量输入请求而过载时的信道切换方案。实验仿真结果表明,该算法在提升网络吞吐量和数据传输率、降低切换时延和缓冲时延上有明显的优势。
第11期 顾金媛,等:认知无线mesh网络中基于协作学习自动机的自适应信道分配算法 3371 从源节点到日的节点传输数据包的总时间减少,这是本文所提道切换的情况。因此,LA可以在任何时刻有效地利用现有资 岀算法的目标。这些所有的参数影响到信道分配方案的总体源,以便为输入请求分配信道,从而获得最大的收益 性能。上述定义的阈值是成功执行该算法的基准值。 2.2基于协作学习自动机的自适应信道分配算法 2基于协作学习自动机的自适应信道分配算法 算法1给出了所提出算法的详细执行过程。根据G、V、 CUF、几个输入得到所需的信道分配。 LA在各自的次用户上进行操作,并根据新的请求执行操 算法1 CLACAA 作。在任何时刻,LA检查CUF并计算在式(3)中定义的信道 1 Assign each vertex V to respective LA 状态,然后计算每个信道上的有效传输,如式(5)(6)所示。任 2for(C=1;C≤n;C++)do 3 for(LA=1: LASn: LA ++)do 何信道的有效利用率被用于根据用广需要分配可用信道数量 4 Activate the la at the root node 来估计网络状况。这个值是由LA与工作在其他不同用户上 5标记状态并使用式(2)计算CUF 的LA共同分享。通过这种方式,LA共享合作信息,以便为信 6 if (CUF>thr)then channel is overutilized 道分配作出有效的决策。 为了更好地进行信道选择,LA采取的每项行动,可在间 if (CUF==thr)therr 隔期间0,1收到来自环境的奖励或处罚。根据从外界环境 channel is saturated 接收到的输入,LΔ决定应该采取什么行动来进行信道分配 channel is underutilized LA从环境中为每一个动作学习,然后为它们未来的所有行动 end if 更新行动概率向量。动作概率向量维持不同LA所采取行动 nd if 的概率列表。对于每一个奖励,动作概率向量的值由常数因子 15使用式(3)计算概率 俤增,而惩罚倌不变。完整的換作步骤将在下面进行说明。 16 if (A>u) then 使用式(5)计算有效的传输 2.1竞争矩阵构造 18 end if 在所提出的算法中,考虑了不同信道的数据速率,以减少 19使用式(13)计算可用带宽 20使用式(11)计算信道的条日 信道之间的竞争。在执行任何操作之前,LA在各自的次用户 21仗用式(15)最小代价诜择行或列 上检查每个信道能接收的请求数量。基于这些值,输入的业务 22or(P=1;≤K;p++)do 流按信道容量的递增顺序分组。此外,竞争矩阵是堪于输入请 使用式(8)计算整个的处理时间 使用式(9)冼择最大值 求和资源需求如带宽和信道数构造的。信道接人中的竞争被 d fo 定义为 26 if(A; (n +1)=max( y.))the 0如果 LA actions are rewarded X如果 (10) 使用式(1)更新概率向量 X12X1 X1 0Y 使用式(1)碼率向量保持不变 (11) 0 XX X 矩阵的对角元素都是零,这是没有同信道干扰的意思,而3仿真与性能评估 其他的非对角元素是指有来自相邻的信道干扰。每个非对角 元素的值在[0,1],没有干扰值为0,干扰值最大为1。连接之 3.1仿真环境 问的干涉测量是通过对节点的连接6的权值计算得来的。解 在一个认知无线mesh网络中,SU机会主义地动态接入到 决方案是不同于文献[161中提出的,因为考虑了式(5)中的有由主用户(PU)古用的授权频谐。频谱被划分成多个可用的非 效传输率、式(3)(4)中输入和输出的业务信道状态,以及在过重叠的信道,每个SU将由一个信道服务,mesh网络由共亨的 载的情况下从一个信道切换到另一个信道的时间。这些因素信道支配。本文中的算法是基于MNTL4B仿真。选择舆型的 在先前的方案中没有考虑。每个参数的值可以计算如下: LACA3和Hyid算法进行对比。表1列出了所使用的仿 真参数。 X;=()×B 12 表1仿真参数 其中:是从一个信道到另一个信道的切换时间;/是信 参数 值 参数 道的可用带宽,从而可以计算如 节点数 信道数 通信范围 DFS向隔 (13) 00mx600 其中:N是 Cogwmn中上游和下游请求的数目。从而式(12) 3.2对吞吐量的影响 可以表小为 不同业务负载下的吞吐量如图1所示。从图中可知,随着 m: CUF 业务负荷的增加,三种算法的吞吐量都大大增加。然而本文提 (14)出的 CLACAA优于LACA和 Hybrid算法。这主要是由于LA 相应地,替换式(1)中的每一个元素。从C2的每一个元适应坏境迅速,基于CF和信道相关的成本执行信道分配。 素开始,在水平和正直方向添加,这些行和列用干信道分配选其他两种算法相比, CLACAA的吞吐量有明显的优势 择。X值求和的最小值为 LACA和 Hybrid信道分配是基于鱼载和利用率,没有涉及到智 能选择。虽然 CLACAA的信道的初始选择是随机的,但随着 (15) 迭代次数和时间的增加,山于环境提供的奖励或惩罚作指导, 当其中一个信道不能用于分配时,式(14)(15)考虑了信该解决方案收敛迅速。通过改变业务流的数量,也作了类似的 3372· 计算机应用研究 第35卷 对比,如图2所示。与LACA和 Hybrid算法相比, CLACAA吞 吐量有显著增加。随着业务流数量的增加,通过使用CUF和4结束语 信道利用率,LA自适应地选择最佳数据流分配一个特定的信 本文首次针对 COgWMn提出了基于协作学习自动机的自 道。这减少了碰撞的机会,从而导致吞吐量的增加。 适应信道分配算法( CLACAA).对于每个信道,先计算CUF用 550 300 用户上部署一个学习自动机,它执行信道分配的每一个行动。 重230 三 产存素坏子丁信道选择然后对输入请求的阻塞概率进行计算。在每个次 LA所采取的每个动作操作,由LA操作的环境提供惩罚或 奖励。根据环境提供的反馈,LA更新它们的行动概率向量,并 决定它们下·先要采取的行动。所提出的算法在提升网络吞 LACAL 吐量、数据传输速率、降低切换时延和缓冲时延性能上貝冇更 0600800100 raffic load/Mbps number of traffic flows/Mbps 好的效果。 图1不同业务 图2不同业务流 参考文献 负载下的吞吐量 数量的吞吐量 [1] Uyanik G S, Oktug, S. Cognitive channel sclcction and scheduling for 3.3对数据传输率的影响 multi-channel dynamic spectrum access networks considering Qos le 不同业务负载下的数据传输率如图3所示,不同业务流数 vels[J]. Ad hoc Networks, 2017, 62(7): 22-34 量的数据传输率如图4所示。从图中可知,随着业务负载和业 [2 Liu Jianqing, Ding Haichuan, Cai Ying, et al. An energy-efficient stra gy for secondary users in cooperative cognitive radio networks for 务流数量的增加,与其他两种算法相比, CLACAA数据传输率 yreen Ixrmmunicalions [J]. IEEE Joumal on Selected Areas in 增加更多。主要原因是该算法采用LA的学习行为,基于CUF Communications,2016,34(12):3195-3207. 和利用率选择最佳信道分配策略。在次用户上操作的LA计[3] Ghcisari s, Meybod M R. LA-CWSN: a learning automata-based cog 算这些值,并相应地用于信道分配。对于从环境中接收到的每 nitive wireless sensor networks J. Computer Communications 个反馈,LA更新其动作概率向量。 016,94(11):46-56 [4]金秋,裴斐,林馥.学习自动机结合节点功率自适应调整釣WSN 100 e90 90 目标毀盖方案[J].计算机应用研究,2017,34(1):177-180,185 ∠会 [5]判羽纯,葛昊,江文,等.一种基于学刁自动杌的推荐算法改进 [J].计算机应用研究,2016,3(1):32-34,41 60 [61 Kumar N, Chilamkurti N, Park J H. ALCA: agent learning-based clus- 50 40 LAC sr LAC tering algorithm in vehicular Ad hoc nctworks[ J]. Personal& Ubi 一* CLACAA 0400 一* CLACAA quitous Computing, 2013, 17(8): 1683-1692 002004006008001000 0 481012141618202224 [7]Vasilakos A V, Papadimitri G I. A new approach to the design of rein number of trafic flows/Mbp forcement schemes for learning automata: stochastic estimator learnin 图3不同业务负载下的 图4不同业务流数量的 [8n gorithm[ J]. Neurocomputing, 1995, 7(3): 275-292 ator learning 数据传输率 数据传输率 [8 Rariwala A, Gopalan K, Chiueh T:. Centralized channel assignInenl 3.4对切换时延和缓冲时延的影响 and routing algorithms for multi channel wireless mesh networksLJI ACM SIGMOBILE Mobile Computing Communications Review 图5和6分别显示了本文所提算法对切换时延和缓冲时 2004,8(2):50-65 延的影响。切换时延是根据客户请求的需求来切换信道的时「91刘仕奇,陈崇谦,李海宏,等,基于双门限能量检测的认知无线电 间。其中某个信道可能在任何时候发生过载。因此,LA作出 协作频谱感知[J].电波科掌学报,2013,28(3):4 关于需要切换多少信道来满足用户的要求决定。此外,每个次[101FCC.FCC10-174, Unlicensed operation in the ty broadcast band 用户都为输入的请求保留自己的队列,这也是LA做决定的依据。 [S].Washington DC: FFC, 2010 [11 Xie Rin, Yu Yingbing, Kumar A, e/ (/. WSN03-5: hoiad-balanieing and 100 inter-domain mobility forw ireless mesh networks[ C//Proc of IEEE 择 Globecom Telecommunications Conference. Piscataway. N: IEEE 「12]刘晓.基于连续动作学习自动机的联想强化学习「J,山西大学 学报:自然科学版 LACA 「☆LACA [13 Perlis D, Cox M T, Maynord M, et aL. A broad vision for intelligent be LACAA havior: perpetual real-world cognitive agents EB/OL.(2013-09) 020040060080010001200020340060080010001200 hllp://www.t's.und.edu/-perlis/ubs/acsvision21.pdr 图5不同业务负载下的 图6不同业务负载下的 [14 Kumar N, Misra S, Obaidat M S. Collaborative learning automata- 切挨时延 缓冲时延 based routing for rescue operations in dense urban regions using vehi cular sensor nctworks[ J]. IEEE Systems Journal, 2015, 9(3 从图5和6可知,随着业务负载的增加,切换时延和缓冲 081-1090 时延同步增加,但是本文所提算法是一个以智能的LA为基础[15]KmrN,KinJ. ElACCA: efficient learning automata based cell 的方法,随着业务负载的增加,切换时延和缓冲时延要比 clustering algorithm for wireless sensor networks[ J]. Wireless Per CA和 Hybrid算法来得少。如果一个信道由于大量输入请 sonal communications, 2013, 73(4): 1495-1512 求而过载,1A会自适应圯切换到下一个信道。此外,在最后传[16 I Feny Yunxia,iMng, Wu Minyou. A weiyhledI interference eslirma 送到最终目的地之前,数据包被缓冲到中间的一个次用户中 tion scheme for interface switching wireless mesh networks[J]. Wire- 因此,每个缓冲区都由在每个次用户上操作的LA智能地管 less Communications Mobile Computing, 2010, 9(6): 773-784 171 Feng Yunxia, Li Minglu, Wu Minyou. Improving capacity and flexibi 理。同样,如果新的请求来缓冲,通过与其他次用户上操作的 lity of wireless mesh networks by proper interface switching[ c]//Proc LΔ合作,LΔ明智地为新的缓冲内容选择位置,因此,与其他两 of IEEE International Conference on Communications. Piscataway, NJ 种算法相比,缓冲时延和切换时延明显降低。 IEEE Press,2008:4729-4733

...展开详情
试读 4P 论文研究-认知无线mesh网络中基于协作学习自动机的自适应信道分配算法.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分,得勋章
最新推荐
论文研究-认知无线mesh网络中基于协作学习自动机的自适应信道分配算法.pdf 9积分/C币 立即下载
1/4
论文研究-认知无线mesh网络中基于协作学习自动机的自适应信道分配算法.pdf第1页

试读结束, 可继续读1页

9积分/C币 立即下载 >