MétaCan
Menu
Retour à la cohorte
Enregistrement W4213239471 · doi:10.1109/tccn.2022.3152507

A Potential Game Approach for Decentralized Resource Coordination in Coexisting IWNs

2022· article· en· W4213239471 sur OpenAlexaff
Jialin Zhang, Wei Liang, Bo Yang, Huaguang Shi, Ke Wang, Qi Wang

Notice bibliographique

RevueIEEE Transactions on Cognitive Communications and Networking · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Key Research and Development Program of ChinaLiaoning Revitalization Talents ProgramChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésComputer scienceDistributed computingScheduleShared resourcePotential gameProtocol (science)Convergence (economics)Resource management (computing)Resource (disambiguation)Game theoryMathematical optimizationComputer networkNash equilibrium

Résumé

récupéré en direct d'OpenAlex

To meet the requirements of various emerging manufacturing applications, multiple Industrial Wireless Networks (IWNs) are employed to operate in the same region. However, the limited communication resources inevitably incur interference in the time and frequency domains, which is known as the coexistence problem. Existing centralized mechanisms suffer from a low computational efficiency in a large-scale network scenario, and the globally shared information cannot be fully obtained in practice. To this end, we first design an incomplete information sharing protocol to clarify the decentralized coordination among coexisting IWNs. We then formulate the coexistence problem as a non-cooperative game, which is proven to be a potential game. In addition, considering the deterministic deadlines of data transmissions in industrial applications, we propose a Deadline-aware Incomplete-Information-based Decentralized Resource Coordination (DIIDRC) algorithm. We also mathematically analyze that the DIIDRC algorithm converges to a collision-free optimal schedule in a resource-sufficient scenario or a nearly-optimal schedule in a resource-insufficient scenario. We conduct extensive simulations to verify the effectiveness of the DIIDRC algorithm. Evaluation results show that the DIIDRC algorithm has obvious superiorities over existing works in terms of the convergence rate and schedulable ratio.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,301
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Cognitive Communications and NetworkingMême sujetCooperative Communication and Network CodingTravaux en français237 207