A game‐theoretic approach for relay assignment over distributed wireless networks
Notice bibliographique
Résumé
ABSTRACT For full cooperative diversity gains to be achieved while still maintaining spectral and energy efficiency, relay assignment schemes for cooperative communications have been extensively studied in recent research. These schemes select only the best relay from multiple relaying candidates to cooperate with a communication link. However, it is challenging to find the optimal relay in distributed wireless networks because of the dynamic nature of such networks. In this paper, we first formulate the problem of relay assignment as a noncooperative, mixed‐strategy, repeated game, where relaying candidates are modeled as rational players. We then propose a game‐theory‐based relay assignment scheme GTRA , in which each player plays against all the other players and determines whether to cooperate with a communication link on a packet‐by‐packet basis in a distributed manner. To adapt to dynamic environments, players utilized an adaptive learning algorithm, that is, modified‐regret‐matching algorithm, to learn optimal strategies of relay assignment, as well as to orient the game to converge to a set of correlated equilibriums, which is often more system efficient than a Nash equilibrium. To evaluate the performance of GTRA , we compare it with BR , a fictitious two‐player game‐based approach. Simulation results have shown that GTRA outperforms BR in terms of network throughput, especially in environments where the channel fading becomes severe. It is also shown that GTRA can converge to a correlated equilibrium in a short period that enables the GTRA to work well in dynamic environments. Copyright © 2011 John Wiley & Sons, Ltd.
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 | 0,003 | 0,002 |
| 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 ».