应用基于马尔可夫链的DCOP算法解决异构网络中的用户关联问题
摘要：利用多智能体系统（MAS）可以描述个体行为和智能体之间的交互。因此，我们受到分布式约束优化问题（DCOP）的启发，在异构网络（HetNets）中解决用户关联问题。在将DCOP应用于HetNet时，我们需要考虑两个问题：（i）如何通过DCOP建立一个有效的模型，考虑到用户增加对建模过程的负面影响（ii）哪种算法更适合平衡时间消耗和解决方案质量。为了解决这些问题，我们首先提出了一个基于ECAV-$eta$（每个连接作为变量）模型，其中参数$eta$的适当赋值（本文中$eta=3$）能够控制模型的规模。在此之后，我们提出了一个基于马尔科夫链（MC）和对数-总和-指数函数的算法。实验结果表明，DCOP框架得到的解比最大信噪比算法得到的解更好。与基于Lagrange双对偶分解方法（LDD）相比，由于无需将原始问题转化为满足问题，解决方案的性能得到了改善。此外，随着用户数量的增加，基站可用资源受限，可以看出，基于DCOP的方法比LDD具有更好的鲁棒性。
作者：Peibo Duan, Guoqiang Mao, Changsheng Zhang and Bin Zhang
论文ID：1701.01289
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2017-01-06