无线网络中基于学习自动机的信道分配预留方案

### 无线网络中基于学习自动机的信道分配预留方案 在无线网络领域，高效利用有限的带宽资源一直是关键问题。为了实现这一目标，研究人员提出了各种信道分配方案。本文将介绍一种基于学习自动机（LA）的信道预留方案，该方案旨在确定无线网络中最优的预留信道数量。 #### 1. 背景与现有方案 无线网络带宽稀缺，因此需要高效利用。“可重用性”概念被引入以实现可用信道的复用。当小区之间保持一定的复用距离，使得信号干扰不会发生时，信道就可以被复用。 基本的信道分配模式有以下几种： - **固定信道分配**：为每个基站分配固定数量的信道。当某个基站收到信道请求时，如果有空闲信道，则服务该请求；否则，请求被阻塞或丢弃。通过信道借用方案可以提高该方案的性能。 - **动态信道分配**：分为分布式和集中式两种方案。 - **混合信道分配**：结合了固定和动态信道分配的特点。 不同的研究人员针对信道分配问题提出了各种算法： - Zeng等人提出了一种算法来高效处理切换，并通过为切换呼叫预留一些信道来降低掉话概率。 - Chen等人提出了具有可重用性概念的动态信道分配方案，通过灵活的动态复用分区来提高系统容量。 - Boukerche提出了基于QoS的动态信道分配协议，通过调整切换呼叫的预留信道数量来降低掉话概率。 - Krishna等人对系统进行了修改，引入了预留因子来调整预留信道的数量，并为始发呼叫也预留了一些信道。 #### 2. LA 基于预留方案的信道分配 学习自动机（LA）基于预留（LAR）机制用于确定预留信道的数量。自动机部署在网络中的每个基站（BS）。自动机的输入动作是预留信道的数量。初始时，由于所有动作的概率相等，随机选择一个输入动作。根据系统的性能（取决于掉话概率和阻塞概率）对所选动作进行奖励或惩罚。如果所选动作得到奖励，则相应动作的概率增加；否则，概率不变。在下一次迭代中，根据更新后的概率选择动作，重复该过程，直到获得动作概率约为1的最优动作，从而实现最优的阻塞和掉话概率。 相关方程如下： - 动作奖励对应的方程： \[ \begin{align*} P_{r_1}(n + 1) &= P_{r_1}(n) + \lambda(1 - P_{r_1}(n))\\ P_{r_{2,3}}(n + 1) &= P_{r_{2,3}}(n)(1 - \lambda) \end{align*} \] - 动作惩罚对应的方程： \[ P_{r_{1,2,3}}(n + 1) = P_{r_{1,2,3}}(n) \] 算法步骤如下： 1. 初始化动作概率。 2. 在每个基站随机选择一个动作。 3. 跳转到步骤5。 4. 在基站选择概率最高的动作。 5. 如果平均掉话概率（Dropavg）大于掉话概率阈值（Dropth）： - 惩罚所选动作。 6. 否则： - 奖励所选动作。 7. 跳转到步骤4。 8. 如果某个动作αi的概率约为1，则选择αi作为最优动作。 #### 3. 扩展的交通系统模型 本文讨论了两种系统： - **单业务无队列系统（STNQ）**：处理单业务（如实时或非实时）的始发和切换呼叫，不维护任何类型呼叫的队列。 - **单业务有队列系统