A hierarchical framework of dynamic relay selection for mobile users and profit maximization for service providers in wireless relay networks
Notice bibliographique
Résumé
Although extensive research has been carried out on the issue of how to optimally select relays in wireless relay networks, relay selection for mobile users is still a challenging problem because of the requirement that the dynamic selection should adapt to user mobility. Moreover, because the selected relays consume their energy on relaying data for the users, it is required that the users have to pay for this relay service. The price of selecting relays will affect the users' decisions. Assuming that different relays can belong to different service providers, we consider the situation that the service providers can strategically set the prices of their relays to maximize their profits. In this paper, we jointly study the dynamic relay selection for mobile users and profit maximization for service providers. Also, we design a Stackelberg-game hierarchical framework to obtain the solution. At the lower level, we investigate the relay selection problem for the mobile users under given prices of selecting the relays. It is formulated as a Markov decision process problem with the objective to minimize the mobile user's long-term average cost (which consists of the payment to the relay service and the cost due to packet loss), and solved by applying the linear programming technique. At the upper level, we study the game of setting relay prices for the service providers, with the knowledge that the mobile users will make relay selections based on their given prices. Nash equilibrium is obtained as the solution. Our results can help to provide a guidance for service providers to compete for providing relay services.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».