Cooperative Resource Allocation Games Under Spectral Mask and Total Power Constraints
Notice bibliographique
Résumé
Resource allocation problems in multi-user systems, modeled as Nash bargaining (NB) cooperative games, are investigated under different constraints. Using the joint time division multiplexing and frequency division multiplexing (TDM/FDM) scheme as a manner of cooperation in the NB resource allocation game with only spectrum mask constraints (SMCs), it is shown that the efficiency of the corresponding solution depends on both the interference-to-signal and interference-to-noise ratios of the users. Sufficient conditions under which the joint TDM/FDM based NB solution outperforms a noncooperative Nash equilibrium solution are derived and shown to be mild. A semi-distributed algorithm is proposed for finding the NB solution of the corresponding game with SMCs only. The NB based resource allocation game with both SMCs and total power constraints (TPCs) is shown to be a nonconvex optimization problem of high complexity. For such a game, a classification of two-user systems into bandwidth- and power-dominant systems is proposed based on the concept of Pareto-optimality. This classification gives insights to the resource allocation problem by showing that the benefits of both users are guaranteed to increase simultaneously only when the dominant resource in the system increases. Using this classification, efficient suboptimal algorithms of low complexity are derived based on the idea of optimally allocating the dominant resource and suboptimally allocating the other resource. Simulation results demonstrate the efficiency of the proposed cooperative NB resource allocation strategies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».