MétaCan
Menu
Retour à la cohorte
Enregistrement W4254290501 · doi:10.32920/ryerson.14644947.v1

Nonconvex and game theory optimization for resource allocation in wireless communications

2021· preprint· en· W4254290501 sur OpenAlexaff
Kandasamy Illanko

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensToronto Metropolitan UniversityUniversity of ManitobaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMathematical optimizationComputer scienceStackelberg competitionResource allocationOptimization problemComputational complexity theoryWirelessGame theoryThroughputAlgorithmMathematicsComputer networkTelecommunications

Résumé

récupéré en direct d'OpenAlex

Designing wireless communication systems that efficiently utilize the resources frequency spectrum and electric power, leads to problems in mathematical optimization. Most of these optimization problems are difficult to solve because the objective functions are nonconvex. While some problems remain unsolved, the solutions proposed in the literature for the others are of somewhat limited use because the algorithms are either unstable or have too high a computational complexity. This dissertation presents several stable algorithms, most of which have polynomial complexity, that solve five different nonconvex optimization problems in wireless communication. Two centralized and two distributed algorithms deal with the power allocation that maximizes the throughput in the Gaussian interference channel (GIC)with various constraints. The most valuable of these algorithms, the one with the minimum rate constraints became possible after a significant theoretical development in the dissertation that proves that the throughput of the GIC has a new generalized convex structure called invexity. The fifth algorithm has linear complexity, and finds the power allocation that maximizes the energy efficiency (EE) of OFDMA transmissions, for a given subchannel assignment. Some fundamental results regarding the power allocation are then used in the genetic algorithm for determining the subchannel allocation that maximizes the EE. Pricing for channel subleasing for ad-hoc wireless networks is considered next. This involves the simultaneous optimization of many functions that are interconnected through the variables involved. A composite game, a strategic game within a Stackelberg game, is used to solve this optimization problem with polynomial complexity. For each optimization problem solved, numerical results obtained using simulations that support the analysis and demonstrate the performance of the algorithms are presented.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,729
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,232 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Network OptimizationTravaux en français237 207