随机接入网络中使用生物启发学习的动态推测
摘要：基于猜想的分布式学习方法用于优化随机接入网络中自主节点的传输概率。模拟了多个自利节点之间的交互行为，将其视为一个博弈。已知如果节点采用眼前利益最大化的策略，博弈的纳什均衡会导致所有节点的吞吐量为零，从而导致网络崩溃。本论文提出了使节点能够以自主学习的方式调整行为，包括主动获取信息、形成内部猜想并根据本地观察更新信念。节点能够自主地“学习”竞争对手的行为，优化自己的行动，并最终在随机接入网络中培养互惠关系。为了描述稳态结果，引入了猜想均衡。受到生物现象“导数作用”和“梯度动力学”的启发，提出了两种分布式猜想更新机制来稳定随机接入网络。推导了保证猜想学习算法收敛的充分条件。此外，结果表明，吞吐量区域中的所有可实现操作点实质上都是对应不同猜想的稳定猜想均衡。研究了在异构网络中如何选择猜想均衡，并将提出的方法扩展到自组织网络。通过仿真验证，系统性能在吞吐量、公平性、收敛性和稳定性方面明显优于现有的协议，如IEEE 802.11 DCF协议和PMAC协议。
作者：Yi Su and Mihaela van der Schaar
论文ID：0903.0094
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2009-12-09