One formal way of studying cooperation and incentive mechanisms in wireless ad hoc networks is to use game theory. In this respect, simple interaction models such as the forwarder's dilemma have been proposed and used successfully. However, this type of models is not suited to account for possible fluctuations of the wireless links of the network. Additionally, it does not allow one to study the way a node transmits its own packets. At last, the repeated game models used in the related literature do not allow the important scenario of nodes with partial information (about the link state and nodes actions) to be studied. One of the contributions of the present work is precisely to provide a general approach to integrate all of these aspects. Second, the best performance the nodes can achieve under partial information is fully characterized for a general form of utilities. Third, we derive an equilibrium transmission strategy which allows a node to adapt its transmit power levels and packet forwarding rate to link fluctuations and other nodes actions. The derived results are illustrated through a detailed numerical analysis for a network model built from a generalized version of the forwarder's dilemma. The analysis shows in particular that the proposed strategy is able to operate in presence of channel fluctuations and to perform significantly better than existing transmission mechanisms (e.g., in terms of consumed network energy).


翻译:研究无线特设网络的合作和激励机制的一种正式方式是使用游戏理论。在这方面,已经提出并成功地使用了简单的互动模式,例如转发者的两难困境等简单互动模式。然而,这种模式并不适合于说明网络无线连接的可能波动情况。此外,它不允许研究节点传输自己包包的方式。最后,相关文献中反复使用的游戏模式不允许研究带有部分信息(关于链接状态和节点行动)的重要节点情景。目前工作的贡献之一是为整合所有这些方面提供一个总体方法。第二,节点在部分信息下能够取得的最佳性能在一般公用事业中完全具有特征。第三,我们制定平衡传输战略,允许节点调整其传输电量和包传输率,将波动和其他节点行动联系起来。从中得出的结果通过对一个网络模式进行详细的数字分析来说明。分析特别表明,拟议的战略能够在波动和现有能源传输机制中运作(比现有能源传输机制要好)。

0
下载
关闭预览

相关内容

Explanation:Ad Hoc网络。 Publisher:Elsevier。 SIT: http://dblp.uni-trier.de/db/journals/adhoc/
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
计算机 | 中低难度国际会议信息6条
Call4Papers
7+阅读 · 2019年5月16日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年1月22日
Arxiv
0+阅读 · 2021年1月20日
Arxiv
14+阅读 · 2019年9月11日
Arxiv
3+阅读 · 2018年2月20日
VIP会员
相关资讯
计算机 | 中低难度国际会议信息6条
Call4Papers
7+阅读 · 2019年5月16日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员