Joint Mode Selection and Spectrum Partitioning for Device-to-Device Communication: A Dynamic Stackelberg Game
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Device-to-device (D2D) communication technology is a promising add-on component for future wireless networks to provide local area services with increased spectrum efficiency and improved user experience. Three modes (i.e., cellular mode, reuse mode, and dedicated mode) can be used for D2D communication. A potential D2D user equipment (UE) can select a communication mode and dynamically adapt the mode selection according to the performance and the cost. This is referred to as the user-controlled mode selection problem. Also, a base station (BS) needs to reserve a spectrum band for the dedicated mode of operation, which we refer to as spectrum partitioning. The optimal spectrum partitioning needs to consider the utility of the BS that depends on the distribution of the users' mode selection, which, in turn, is governed by the spectrum partitioning. To jointly address the problems of spectrum partitioning and user-controlled mode selection (which are cyclically dependent on each other), we propose a dynamic Stackelberg game framework in which the BS and the potential D2D UEs act as the leader and the followers, respectively. Specifically, the adaptive mode selection of potential D2D UEs is formulated as a follower evolutionary game, and an evolutionary stable strategy is considered to be the solution. The dynamic control of spectrum partitioning by the BS is formulated as a leader optimal control problem. We also extend the formulation by considering information delays in control and state. Numerical analysis is performed to evaluate the effectiveness of the proposed framework, which shows that although the mode selection is performed in a distributed and user-controlled manner, the dynamic spectrum partitioning can be viewed as an effective incentive mechanism to drive the user distribution close to the optimal one.
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.
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 | 0,000 | 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 | 0,000 | 0,000 |
| 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 découle