Downlink Scheduling via Genetic Algorithms for Multiuser Single-Carrier and Multicarrier MIMO Systems With Dirty Paper Coding
Notice bibliographique
Résumé
Multiple-input-multiple-output (MIMO) systems are of interest for meeting the expected demand for higher data rates and lower delays in future wireless packet data systems. In such systems, it is optimal to simultaneously transmit to multiple users compared with a single user in a single-input-single-output system. In addition, multicarrier systems are of interest to combat frequency-selective fading that is experienced over the larger bandwidth that these future broadband systems will use. The use of dirty paper coding further complicates the matter, because the order in which the users are encoded will affect the rates that they can achieve. A well-designed cross-layer scheduling algorithm must take into account the multiple dimensions of this resource-allocation problem and other quality-of-service (QoS) parameters to fully exploit the communications channel. The scheduling problem is often expressed in terms of optimizing some utility function. Unfortunately, the search space for this optimization problem is extremely large, which prohibits an optimal exhaustive search. To this end, we investigate the use of genetic algorithms to reduce the complexity of the scheduling. This paper builds upon prior work that implements scheduling via genetic algorithms in the context of single-carrier systems using zero-forcing beamforming (ZFB). In this paper, we investigate how the genetic algorithm can be adapted to account for the effect of encoding order on the scheduling and how the scheduling can be extended to a multicarrier system. In particular, we investigate the maximum throughput and proportionally fair scheduling criteria. We demonstrate that the performance of the genetic algorithm is near optimal compared with an exhaustive search at a greatly reduced computational complexity. Furthermore, in the case of a multicarrier orthogonal frequency-division multiplexing (OFDM) system, an increase in capacity is shown relative to the single-carrier case.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».