Interference Minimization in D2D Communication Underlaying Cellular Networks
Notice bibliographique
Résumé
Interference minimization while maintaining a target system sum rate by sharing radio resources among cellular user equipments (UEs) and device-to-device (D2D) pairs is an important research question in long term evolution (LTE) and beyond (4G and 5G). Total system sum rate of a cellular network can be improved if cellular UEs and D2D pairs share resource blocks. However, some sharing can also decrease the sum rate and increase the system interference. Considering this observation, we address two types of assignments (fair and restricted) in resource allocation for the interference minimization resource allocation problem. We propose a two-phase resource allocation algorithm for both fair and restricted assignments, where our objective is to minimize the system interference and at the same time, maintaining a target system sum rate. In the phase-I of our proposed algorithm, a weighted bipartite matching algorithm is used to minimize the interference and get a feasible initial solution. In some cases, we can decrease the interference introduced in phase-I of our algorithm. Therefore, in the phase-II, local search techniques are used to improve the solution. We compare the fair assignment of our proposed algorithms with a two-phase auction-based fair and interference aware resource allocation algorithm (TAFIRA), which addresses the same research problem. As well as, we compare the restricted assignment of our proposed algorithm with a minimum knapsack-based interference resource allocation algorithm (MIKIRA). We prove that the MIKIRA fails to provide feasible solutions in most of the cases. We also show that the performance ratio of the TAFIRA can be unbounded in the worst case. Moreover, in some cases, TAFIRA cannot provide any solution to the problem though the solutions exist, whereas our proposed algorithms always provide a solution whenever the solution exists. We perform extensive simulations of the algorithms and find that in all the cases, our proposed algorithm outperforms a number of state-of-the-art algorithms.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».