导读:本文包含了改进资源分配网络论文开题报告文献综述及选题提纲参考文献，主要关键词:超密集网络,分簇,资源分配,路径损耗
改进资源分配网络论文文献综述
许焱平,贾文杰,李晓静,张长森,田心记[1]（2019）在《超密集网络中一种改进的分簇及资源分配方案》一文中研究指出为了减少超密集网络中小区间的干扰,提出了一种改进的分簇及资源分配方案.首先,根据小基站间的路径损耗程度构造损耗图,基于损耗图选出簇头并且分簇,将路径损耗之和较小的小基站放在一个簇中,每个簇中小基站的数量不超过子信道的数量;然后,根据簇内的用户在每个子信道上的信干噪比依次为每个簇的用户分配正交的子信道;最后,优化功率分配,以提高吞吐量.仿真结果显示,与相同场景中的已有方案相比,所提方案更加均匀地将小基站分布在每个簇中,并且显着提高了系统吞吐量.(本文来源于《北京邮电大学学报》期刊2019年02期）
曾汝琦[2]（2018）在《基于改进遗传算法的弹性光网络资源分配方法研究》一文中研究指出随着信息技术的发展,指数型增长的各类业务请求对现有的全光通信网络带来了巨大的挑战。弹性光网络因其具有极细的频谱分配粒度、超大带宽提供能力等优势,成为了研究的热点。但该技术在拥有诸多优势的同时,因其灵活的资源调度方式使得资源分配更加复杂。因此,本文研究的是弹性光网络资源分配过程中涉及到的路由路径选择与频谱资源分配(Routing and Spectrum allocation,RSA)问题。基于对光网络业务中纯单播与单、多播混合情况下的网络资源分配问题的研究,本文提出了两种算法分别解决上述两种情况下的弹性光网络RSA问题。为了表述方便每个算法都将从路由计算与频谱分配两个方面来描述。1.提出一种基于遗传算法的改进资源分配算法(Genetic Algorithm Improved Resource Allocation Algorithm,GA-IRAA)来处理纯单播业务资源分配。在路由计算方面,当光网络处于低网络流量状态时,GA-IRAA算法通过适应度函数的调节,侧重于降低各链路的负载。当光网络处于高网络流量状态时,GA-IRAA算法将通过多次迭代计算出较优路径,从而实现业务阻塞率降低的目的。在频谱分配方面,GA-IRAA算法在已找好的路由路径上使用首次命中算法分配频谱,该算法与其他算法相比,有计算量小、复杂度低的优点。2.提出一种基于遗传算法的混合资源分配算法(Genetic Algorithm Hybrid Resource Allocation Algorithm,GA-HRAA)来处理单、多播混合业务资源分配。在路由方面,GA-HRAA算法对单播使用固定备选路径路由方式快速找到路由路径。对多播使用GAIRAA算法,使其面临阻塞时仍能通过多次迭代找到可用路径。在频谱分配方面,单播采用基于频谱连续度的分配方式,保证光网络中可使用带宽比例不大幅下降,为多播的频谱分配留下空间。多播的频谱分配方式为首次命中与任务分类频谱分块相结合的方式,该方式能在一定程度上降低阻塞率。本文就GA-IRAA、GA-HRAA算法在处理动态资源分配问题时的效果进行了数值仿真,仿真使用14点美国国家科学基金会网络拓扑结构。结果表明,相比于传统的资源分配方式,GA-IRAA算法对于阻塞率的降低在不同网络流量下均有较好的表现,其中在高网络流量(800Erlang)时下降比率可达3.38%。而相比于GA-IRAA算法,GA-HRAA算法能为多播业务提供了更可靠的保障,在高网络流量(800Erlang)状态下的多播业务阻塞率下降可达2.1%。由此看出,两种算法均取得了较好的结果。(本文来源于《广西师范大学》期刊2018-06-01）
刘治国,金朦朦,刘庆利[3]（2018）在《基于改进Stackelberg模型的卫星网络虚拟资源分配算法》一文中研究指出卫星网络资源受限和拓扑高动态等特点导致资源的利用率低下、分配不公平和业务执行成功率不高。为此,基于改进Stackelberg博弈模型,提出一种卫星网络多业务虚拟资源分配算法。将卫星网络中的业务请求分为高优先级和低优先级2类,并且对不同优先级的业务请求建立优化模型,从而提高业务的执行成功率。通过对业务优先级的动态调整,并根据其与资源之间的相关性进行资源匹配,实现不同业务之间的公平性和资源的合理利用。仿真结果表明,与FCFS算法和最优匹配算法相比,该算法在业务的执行成功率、公平性和资源利用率方面分别提高20%、50%和20%。(本文来源于《计算机工程》期刊2018年10期）
刘岗,赵杭生,李大力,邵鸿翔[4]（2018）在《异构网络资源分配:改进多对一转移匹配》一文中研究指出随着无线业务的急剧增长,短缺的频谱资源正面临着巨大挑战。采用无线异构网络被视作解决此问题,提高频谱利用率的一种有效手段。但是,由于宏蜂窝和微蜂窝共享相同频谱资源,同层和跨层干扰非常严重,这时如何合理进行资源分配成了一个棘手的问题。针对该问题,根据匹配理论提出了一种改进多对一转移匹配算法进行资源分配。该算法在满足交换条件下,通过微蜂窝用户不断地交换其匹配资源,最终形成稳定转移匹配。仿真结果表明,所提改进转移匹配算法较传统转移匹配算法和改进Gale-Shapley匹配算法性能更易收敛到最优解,同时提高了频谱利用率,降低了计算复杂度。(本文来源于《计算机工程与应用》期刊2018年15期）
林海聪[5]（2015）在《基于统一效用和改进粒子群算法的无线网络资源分配》一文中研究指出随着无线通信技术的飞速发展,无线网络中的业务将呈现多样性。特别是近年来,用户需求迅猛增加,实时语音、视频点播、Internet网页浏览和电子邮件等多种业务不断增长,大量的实时业务和非实时业务共存,并且不同的业务有着不同的Qo S需求,为用户业务提供Qo S保证成为了无线网络发展的主要方向。为了保证无线网络中用户多业务的Qo S需求,无线网络资源分配方案的设计是最关键技术之一。时间片轮转分配方案,保证了用户的公平性,但系统的吞吐量很低;速率最大分配方案以最大化系统吞吐量为目的却忽略了用户之间的公平性;基于公平准则分配仅仅是一种系统吞吐量和用户公平性之间折中的方案,由此可以看出,传统无线网络资源分配方案都主要在系统的吞吐量和用户公平性之间作权衡,并没有考虑业务的Qo S需求,没有考虑到无线网络业务的多样性,使得在多业务共存的无线网络环境下,不同用户的不同业务Qo S需求得不到保障。本文提出了一种基于业务统一效用和改进粒子群算法的无线网络资源分配方案UU-PSO(Unified utility based and modified Particle Swarm Optimization algorithm for wireless network resource allocation),该方案弥补了传统无线网络资源分配方案的不足,充分考虑到无线网络业务的多样性,按照3GPP标准,将无线网络业务划分为流类、会话类、背景类、交互类这四种业务,并根据四种业务不同的Qo S资源请求,基于统一效用函数的基础上建立了多业务共存的无线网络资源分配数学模型,最后利用改进的粒子群算法为该数学模型寻找最优解。通过MATLAB仿真表明,基于业务统一效用和改进粒子群算法的UU-PSO分配方案提高了系统的总效用,在资源总数相同的情况下,改进的粒子群算法比标准粒子群算法性能更稳定,获得的系统总效用比常用无线网络资源分配方案高。此外,UU-PSO分配方案在资源总数不足的情况下,可优先满足对Qo S需求比较高的用户的资源请求,并且也能在资源充足的情况下,避免有些用户占用过多的资源以致于造成资源的浪费,在一定程度上保证了用户之间的公平性。(本文来源于《深圳大学》期刊2015-04-27）
范国伟[6]（2014）在《基于改进粒子群算法的中低空网络无线资源分配研究》一文中研究指出近年来世界各地自然灾害频发,现有的地面公共通信系统面临着巨大的考验。当地震、海啸等自然灾害发生时,灾区的电力供应设施以及通信基础设施受损,导致电力供应困难、通信拥堵甚至中断。现有的地面公共通信系统已无法满足应急场景下业务剧增的通信需求,因而急需一种能够兼容现有通信体制的应急通信网络。随着中低空空间的不断开发,以气球、飞艇等为载体的中低空悬浮平台,携带3G/4G移动基站实现应急通信,成为解决该问题的有效方法。针对应急场景下地面通信基础设施受损的问题以及未来中低空通信的发展趋势,本文采用中低空通信系统来完成应急场景下的通信任务。为解决中低空应急通信系统中能源有限以及语音等业务剧增的问题,本文研究了低能耗高容量的联合资源分配算法。依据无线资源联合优化的设计准则对所研究的应急通信具体问题建立数学模型,将实际问题转化为数学上有约束条件的最优化问题,并通过理论分析证明了该目标问题最优解的存在、唯一性。由于多维资源联合优化比较复杂,为降低其计算复杂度,本文采用分布搜索、迭代优化的方法,以逼近次优解,并引入群体智能算法求解目标优化问题,以实现分步优化的快速收敛和无线资源调度的实时性。基本PSO算法结合种群中粒子的局部最优位置与全局最优位置进行搜索,具有实现简单、搜索速度快的特点,但由于粒子的聚合性,导致其易落入局部最优的陷阱。GA算法由于采用遗传操作,种群的多样性较高,容易摆脱局部最优的陷阱,但未能充分利用历史搜索结果,求解过程中往往涉及到大量的个体计算,因而其搜索速度较慢。本文综合考虑了两种群体智能算法的优缺点,在基本粒子群算法中引入遗传操作,以增加种群的多样性,提高改进粒子群算法的收敛速度与收敛精度。最后,基于采用TD-LTE标准的中低空应急通信系统仿真平台,对本文研究的低能耗高容量的联合资源分配算法的性能进行仿真,并与Max C/I、RR以及PF资源分配算法进行比较。仿真结果表明,本文研究的低能耗高容量的资源分配算法在系统所服务的用户数与系统功耗方面实现了折中,达到了单位功率支持较多用户的目的,在系统平均能量效率、吞吐量以及用户公平性等方面取得了良好的效果。(本文来源于《西安电子科技大学》期刊2014-11-01）
韩冰青,冯国富,张宏[7]（2009）在《基于小波变换的Ad Hoc网络改进型资源分配算法》一文中研究指出利用小波变换将自相似性业务的长相关性转化为短相关性,对网络业务流量进行预测;将得出的结果应用于移动自组网(Mobile Ad Hoc)的资源分配中,提出了一种改进的AdHoc网络资源分配算法。(本文来源于《计算机工程与应用》期刊2009年11期）
魏安贵[8]（2008）在《ad hoc网络中无线资源分配算法的研究与改进》一文中研究指出Ad hoc网络是一种无中心自组织的多跳无线网络,不以任何已有的固定设施为基础,通过移动节点自由地组网实现通信。由于无线自组网的特殊性,使得无线自组网的资源分配不能完全使用有线网络的分配策略。无线信道是共享资源,许多用户之间竞争网络资源,这使得分配策略需要考虑公平性,尽可能地使每个用户能够公平地得到网络资源,而无线网络资源是非常有限的,所以在考虑资源分配的公平性的同时也要兼顾资源利用的效率。本文首先针对最大最小公平性已有的分配算法的缺点,进行改进,提出了一种基于线性规划的最大最小公平性带宽分配算法,该算法依据可行性分配集合的特性,比经典的注水算法更具有代表性和一般性。又利用最大化效用函数和模型,使效用函数类的参数c取不同值,基于无线自组网的MAC层和群限制的约束条件,构建网络拓扑和网络模型,给出了各种公平性准则的算法实现,通过仿真分析了无线自组网各种公平性准则下的带宽分配的特点。本文接着提出了一种由满足公平性分配的带宽值来确定权值分布的方法,针对该权值下的加权公平性,给出了仿真模型,由仿真结果得出,该加权公平性能在保证一定的公平性的前提下,有效地提高带宽分配的效率,并且发现随着权值分布的公平性程度不同,对未加权的公平性准则的公平性和效率的折中程度也不同。本文最后研究在资源分配中实现效率和公平性的折中问题。把α公平性的带宽分配算法应用于无线自组网的网络模型下,针对叁种效用函数形式,使用非线性和线性的优化方法,研究了基于各种公平性准则下的α公平性的分配算法,绘出了效率和公平性曲线。仿真结果表明,这种α公平性的分配算法,通过改变α值的大小,在无线自组网的带宽分配的有效性和公平性之间起到很好的平衡作用,达到预期的效果,具有重要的现实意义。(本文来源于《南京航空航天大学》期刊2008-12-01）
马福民,王坚[9]（2008）在《基于改进资源分配网络的企业能耗单元输入输出模型》一文中研究指出针对企业复杂能耗单元输入输出模型研究的要求,研究了基于改进资源分配网络的能耗单元输入输出模型辨识方法。针对常用的资源分配网络存在的问题,提出了一种基于粗糙集和正交最小二乘的资源分配网络设计方法,通过粗糙集数据分析与处理提取训练样本中典型的数据特征,再结合正交最小二乘学习算法选取对输出能量贡献最大的数据中心加入到隐层节点。实例仿真结果表明,采用该方法辨识企业能耗单元输入输出模型具有结构简单、训练快捷、泛化能力较好等优点。(本文来源于《计算机应用》期刊2008年10期）
改进资源分配网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着信息技术的发展,指数型增长的各类业务请求对现有的全光通信网络带来了巨大的挑战。弹性光网络因其具有极细的频谱分配粒度、超大带宽提供能力等优势,成为了研究的热点。但该技术在拥有诸多优势的同时,因其灵活的资源调度方式使得资源分配更加复杂。因此,本文研究的是弹性光网络资源分配过程中涉及到的路由路径选择与频谱资源分配(Routing and Spectrum allocation,RSA)问题。基于对光网络业务中纯单播与单、多播混合情况下的网络资源分配问题的研究,本文提出了两种算法分别解决上述两种情况下的弹性光网络RSA问题。为了表述方便每个算法都将从路由计算与频谱分配两个方面来描述。1.提出一种基于遗传算法的改进资源分配算法(Genetic Algorithm Improved Resource Allocation Algorithm,GA-IRAA)来处理纯单播业务资源分配。在路由计算方面,当光网络处于低网络流量状态时,GA-IRAA算法通过适应度函数的调节,侧重于降低各链路的负载。当光网络处于高网络流量状态时,GA-IRAA算法将通过多次迭代计算出较优路径,从而实现业务阻塞率降低的目的。在频谱分配方面,GA-IRAA算法在已找好的路由路径上使用首次命中算法分配频谱,该算法与其他算法相比,有计算量小、复杂度低的优点。2.提出一种基于遗传算法的混合资源分配算法(Genetic Algorithm Hybrid Resource Allocation Algorithm,GA-HRAA)来处理单、多播混合业务资源分配。在路由方面,GA-HRAA算法对单播使用固定备选路径路由方式快速找到路由路径。对多播使用GAIRAA算法,使其面临阻塞时仍能通过多次迭代找到可用路径。在频谱分配方面,单播采用基于频谱连续度的分配方式,保证光网络中可使用带宽比例不大幅下降,为多播的频谱分配留下空间。多播的频谱分配方式为首次命中与任务分类频谱分块相结合的方式,该方式能在一定程度上降低阻塞率。本文就GA-IRAA、GA-HRAA算法在处理动态资源分配问题时的效果进行了数值仿真,仿真使用14点美国国家科学基金会网络拓扑结构。结果表明,相比于传统的资源分配方式,GA-IRAA算法对于阻塞率的降低在不同网络流量下均有较好的表现,其中在高网络流量(800Erlang)时下降比率可达3.38%。而相比于GA-IRAA算法,GA-HRAA算法能为多播业务提供了更可靠的保障,在高网络流量(800Erlang)状态下的多播业务阻塞率下降可达2.1%。由此看出,两种算法均取得了较好的结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
改进资源分配网络论文参考文献
[1].许焱平,贾文杰,李晓静,张长森,田心记.超密集网络中一种改进的分簇及资源分配方案[J].北京邮电大学学报.2019
[2].曾汝琦.基于改进遗传算法的弹性光网络资源分配方法研究[D].广西师范大学.2018
[3].刘治国,金朦朦,刘庆利.基于改进Stackelberg模型的卫星网络虚拟资源分配算法[J].计算机工程.2018
[4].刘岗,赵杭生,李大力,邵鸿翔.异构网络资源分配:改进多对一转移匹配[J].计算机工程与应用.2018
[5].林海聪.基于统一效用和改进粒子群算法的无线网络资源分配[D].深圳大学.2015
[6].范国伟.基于改进粒子群算法的中低空网络无线资源分配研究[D].西安电子科技大学.2014
[7].韩冰青,冯国富,张宏.基于小波变换的AdHoc网络改进型资源分配算法[J].计算机工程与应用.2009
[8].魏安贵.adhoc网络中无线资源分配算法的研究与改进[D].南京航空航天大学.2008
[9].马福民,王坚.基于改进资源分配网络的企业能耗单元输入输出模型[J].计算机应用.2008