This paper studies the problem of distributed beam scheduling for 5G millimeter-Wave (mm-Wave) cellular networks where base stations (BSs) belonging to different operators share the same spectrum without any centralized coordination among them. Our goal is to design efficient distributed beam scheduling algorithms to maximize the network utility, which is a function of the achieved throughput by the user equipment (UEs), subject to average and instantaneous transmit power constraints of the BSs. We propose a Media Access Control (MAC) and a power allocation/adaptation mechanism utilizing the Lyapunov stochastic optimization framework and non-cooperative games. In particular, we first transform the original utility maximization problem into two sub-optimization problems for each time frame, which are a convex optimization problem and a non-convex optimization problem, respectively. By formulating the distributed scheduling problem as a non-cooperative game in which each BS is a player attempting to optimize its own utility, we provide a distributed solution to the non-convex sub-optimization problem by solving the Nash Equilibrium (NE) of the scheduling game. We prove the existence of NE and provide sufficient conditions guaranteeing the uniqueness of NE by utilizing the equivalence between the non-cooperative game and the Variational Inequality (VI) problem. A corresponding parallel updating algorithm for finding the NE is proposed which is proved to globally converge. Finally, we conduct simulation under various network settings to show the effectiveness of the proposed game-based beam scheduling algorithm in comparison to several baseline MAC schemes including $p$-persistent and CSMA/CA MAC protocols.


翻译:本文研究5G毫米瓦夫(mm-Wave)蜂窝网络的分布光束调度问题,不同操作者所属基地台站(BS)的分布光束调度安排问题。我们的目标是设计高效分布光束调度算法,以尽量扩大网络效用,这是用户设备(Ues)达到的输送量的函数,但须视平均和即时传输BS的功率限制而定。我们提出媒体存取控制(MAC)和电力分配/调适机制,利用Lyapunov 随机优化框架和不合作游戏。特别是,我们首先将最初的效用最大化问题转化为每个时间框架的两个亚优化问题,这分别是一个螺旋优化问题,这是由用户设备(UE)完成的输送量输送,而每个BSS是试图优化自身效用的不合作游戏。我们提出一个分流速次操作的配置/调适机制,通过解决纳什利利差优化(NEEEE)的比值比值比值(NE)的比较,我们通过透明性调控算规则来证明C-CLE-C-C-C-Cal-alalalalal-laeval的升级规则的存在。我们证明,这能的伸缩定能是保证了C-C-NEal-NELinal-nal-al-al-al-Sal-C-Sal-al-laeval-Sal-ladal化的不为NE)。

0
下载
关闭预览

相关内容

【ICML2020-浙江大学】对抗性互信息的文本生成
专知会员服务
43+阅读 · 2020年7月4日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
专知会员服务
159+阅读 · 2020年1月16日
人工智能 | ACCV 2020等国际会议信息5条
Call4Papers
6+阅读 · 2019年6月21日
计算机 | 中低难度国际会议信息8条
Call4Papers
9+阅读 · 2019年6月19日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【TED】同情心的进化论
英语演讲视频每日一推
3+阅读 · 2017年8月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
19+阅读 · 2020年7月13日
VIP会员
相关VIP内容
【ICML2020-浙江大学】对抗性互信息的文本生成
专知会员服务
43+阅读 · 2020年7月4日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
专知会员服务
159+阅读 · 2020年1月16日
相关资讯
人工智能 | ACCV 2020等国际会议信息5条
Call4Papers
6+阅读 · 2019年6月21日
计算机 | 中低难度国际会议信息8条
Call4Papers
9+阅读 · 2019年6月19日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【TED】同情心的进化论
英语演讲视频每日一推
3+阅读 · 2017年8月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员