دانلود مقاله فرمول نویسی بهینه برای تخصیص منابع رادیویی
ترجمه نشده

دانلود مقاله فرمول نویسی بهینه برای تخصیص منابع رادیویی

عنوان فارسی مقاله: درباره فرمول نویسی بهینه برای تخصیص منابع رادیویی مرتبط با نرخ انتقال رایج
عنوان انگلیسی مقاله: On optimization formulations for radio resource allocation subject to common transmission rate
مجله/کنفرانس: Computers & Operations Research - کامپیوترها و تحقیق در عملیات
رشته های تحصیلی مرتبط: فناوری اطلاعات و ارتباطات - برق
گرایش های تحصیلی مرتبط: مخابرات سیار - برق مخابرات
کلمات کلیدی فارسی: برنامه نویسی یکپارچه - مدلسازی - تخصیص منابع رادیویی
کلمات کلیدی انگلیسی: Integer programming, Modeling, Radio resource allocation
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.cor.2023.106427
لینک سایت مرجع: https://www.sciencedirect.com/science/article/pii/S0305054823002915
نویسندگان: Yi Zhao - Di Yuan
دانشگاه: Uppsala University, Sweden
صفحات مقاله انگلیسی: 13
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2024
ایمپکت فاکتور: 5.385 در سال 2022
شاخص H_index: 170 در سال 2023
شاخص SJR: 1.716 در سال 2022
شناسه ISSN: 1873-765X
شاخص Quartile (چارک): Q1 در سال 2022
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e17602
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست مطالب (ترجمه)

1. معرفی
2. بررسی ادبیات
3. تعریف مسئله
4. پیچیدگی مشکل
5. فرمولاسیون ILP
6. تجزیه و تحلیل آرامش LP
7. نتایج عددی
8. نتیجه گیری و کار آینده
بیانیه مشارکت نویسنده CRediT
در دسترس بودن داده ها

فهرست مطالب (انگلیسی)

1. Introduction
2. Literature review
3. Problem definition
4. Problem complexity
5. ILP formulations
6. Analysis of LP relaxations
7. Numerical results
8. Conclusions and future work
CRediT authorship contribution statement
Data availability

بخشی از مقاله (ترجمه ماشینی)

ما یک مشکل تخصیص منابع رادیویی را در سیستم های ارتباطی سیار مطالعه می کنیم. به عنوان مشخصه بارز این مشکل، نرخ انتقال داده مشترک در تمام کانال های اختصاص داده شده به یک کاربر استفاده می شود. از آنجایی که کانال ها از نظر کیفیت متفاوت هستند، برای هر کاربر نرخ قابل دستیابی بر اساس کانال متفاوت است. بنابراین تخصیص کانال‌های بیشتر لزوماً نرخ کل را افزایش نمی‌دهد، زیرا نرخ مشترک محدود شده است که کمترین میزان پشتیبانی شده توسط کانال‌های اختصاص‌یافته باشد. تخصیص منابع رادیویی با توجه به محدودیت نرخ مشترک از اهمیت عملی برخوردار است، اگرچه توجه کمی به مدل‌سازی و حل مشکل شده است. ما یک دیدگاه بهینه سازی ریاضی با تمرکز بر مدل سازی داریم. ابتدا یک تحلیل پیچیدگی ارائه می کنیم. در مرحله بعد، چندین فرمول برنامه ریزی خطی عدد صحیح (ILP) برای مشکل، از جمله مدل های فشرده و غیر فشرده، مشتق شده اند. بخش عمده ای از تجزیه و تحلیل ما شامل یک مطالعه مقایسه ای دقیق از برنامه ریزی خطی (LP) آرامش آنها است، تا رابطه بین فرمول ها را از نظر مرزبندی نشان دهد. آزمایش‌های محاسباتی برای نشان دادن عملکرد عددی در حل مسئله به کمک LP ارائه شده‌اند. تجزیه و تحلیل نظری و نتایج عددی ما با هم در خدمت ایجاد زمینه ای برای مرحله بعدی توسعه روش های بهینه سازی مبتنی بر مدل و متناسب است....

بخشی از مقاله (انگلیسی)


We study a radio resource allocation problem in mobile communication systems. As the distinct characteristic of this problem, a common data transmission rate is used on all channels allocated to a user. Because the channels differ in their quality, for each user the achievable rate varies by channel. Thus allocating more channels does not necessarily increase the total rate, as the common rate is constrained to be the lowest one supported by the allocated channels. Radio resource allocation subject to the common-rate constraint is of practical relevance, though little attention has been paid to modeling and solving the problem. We take a mathematical optimization perspective with focus on modeling. We first provide a complexity analysis. Next, several integer linear programming (ILP) formulations for the problem, including compact as well as non-compact models, are derived. The bulk of our analysis consists in a rigorous comparative study of their linear programming (LP) relaxations, to reveal the relationship between the formulations in terms of bounding. Computational experiments are presented to illustrate the numerical performance in bounding and LP-assisted problem solving. Our theoretical analysis and numerical results together serve the aim of setting a ground for the next step of developing model-based and tailored optimization methods.



Mobile communication systems have been evolving rapidly in the past decades. From an optimization standpoint, a key research topic for mobile networks is radio resource management for utilizing the radio resource efficiently, particularly because the amount of data traffic is constantly growing in the current 4th generation (4G) systems, and the trend will remain or even accelerate in the 5th generation (5G) networks. Along with this growth, 5G networks target a plethora of new services (e.g., vehicular communications), making resource management more challenging than before, as pointed out in Calabrese et al. (2018).


4G/5G networks deploy orthogonal frequency division multiple access (OFDMA). In essence, data transmission takes place in two dimensions, namely time and frequency that are divided into time slots and channels, respectively.1 Resource management for channel allocation in a time slot, as well as that across multiple time slots, is commonly called scheduling. In any time slot, a user may be scheduled to receive transmission from its base station (BS) on multiple channels, and a channel may be scheduled for at most one user of this BS. The latter is what the term “orthogonal” refers to in OFDMA. Among the BSs, the channels are reused, i.e., there is generally no dedicated (sub)set of channels for a BS. As a result, a channel is exposed to interference, if the channel is also scheduled in some nearby BSs in the same time slot. Note that even if interference is not present, the channels are still frequency-selective (Tse and Viswanath, 2005), meaning that they vary in quality and hence the achievable data rate from a user’s perspective.


Conclusions and future work

We have studied mathematical modeling of a resource optimization problem with common-rate channel allocation in mobile communication systems. We have demonstrated that the problem admits an array of integer programming formulations. The study shows that modeling does matter, analytically as well as numerically, in terms of performance in bounding and LP-based problem solving. Moreover, there is a clear correlation between the accuracy of LP and the quality of integer solution derived thereby.


As we have observed, straightforward schemes of constructing integer solutions are not practical in solution time, whereas for our resource allocation problem, the ultimate target is real-time optimization. To approach this goal with model-based optimization, we make several observations. First, to deliver a solution rapidly, the amount of computation has to be very small, and thus the LP relaxation may have to be solved approximately, followed by some primal heuristic (both admitting massive parallel computation). Second, non-compact models are also of interest, as restricting the number of columns or rows leads to approximation of the problem (and the LP relaxation). Finally, with presence of rate lower bound, obtaining solution feasibility is of clear significance, and one may need to trade solution quality against feasibility. Developing and implementing algorithmic notions along these lines form interesting topics for forthcoming research.

بدون دیدگاه