主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
江琦,奚宏生,殷保群.无线多媒体通信网适应带宽配置在线优化算法.软件学报,2007,18(6):1491-1500
无线多媒体通信网适应带宽配置在线优化算法
An Online Adaptive Bandwidth Allocation Optimization Algorithm for Wireless Multimedia Communication Networks
投稿时间:2005-12-24  修订日期:2006-02-23
DOI:
中文关键词:  适应带宽配置  Markov决策过程  策略优化  强化学习  随机逼近  QoS(quality of service)保证
英文关键词:adaptive bandwidth allocation  Markov decision processes  policy optimization  reinforcement learning  stochastic approximation  QoS (quality of service) provisioning
基金项目:Supported by the National Natural Science Foundation of China under Grant No.60574065 (国家自然科学基金); the National High-Tech Research and Development Plan of China under Grant No.2006AA01Z114 (国家高技术研究发展计划(863)); the Natural Science Foundation of Anhui Province of China under Grant Nos.050420301, 070412063 (安徽省自然科学基金); the Graduate Student Innovation Foundation of USTC under Grant No.KD2006036 (中国科学技术大学研究生创新基金)
作者单位
江琦 中国科学技术大学,自动化系,安徽,合肥,230027 
奚宏生 中国科学技术大学,自动化系,安徽,合肥,230027 
殷保群 中国科学技术大学,自动化系,安徽,合肥,230027 
摘要点击次数: 3057
全文下载次数: 3105
中文摘要:
      基于强化学习的方法,提出一种无线多媒体通信网适应带宽配置在线优化算法,在满足多类业务不同QoS(quality of service)要求的同时,提高网络资源的利用率.建立事件驱动的随机切换分析模型,将无线多媒体通信网中的适应带宽配置问题转化为带约束的连续时间Markov决策问题.利用此模型的动态结构特性,结合在线学习估计梯度与随机逼近改进策略,提出适应带宽配置在线优化算法.该算法不依赖于系统参数,如呼叫到达率、呼叫持续时间等,自适应性强,计算量小,能够收敛到全局最优,适用于复杂应用环境中无线多媒体通信网适应带宽配置的在线优化.仿真实验结果验证了算法的有效性.
英文摘要:
      The issue of QoS (quality of service) provisioning for adaptive multimedia in wireless communication networks is considered. A reinforcement learning based online adaptive bandwidth allocation optimization algorithm is proposed. First, an event-driven stochastic switching model is introduced to formulate the adaptive bandwidth allocation problem as a constrained continuous-time Markov decision problem. Then, an online optimization algorithm that combines policy gradient estimation by learning and stochastic approximation is derived. This algorithm can online handle the constrained optimization problem efficiently without explicit knowledge of the underlying system parameters. Moreover, this algorithm does not require the computation of performance potentials or other related quantities (e.g. Q-factors), which is necessary in previous schemes, and therefore saves computational cost significantly. Simulation results demonstrate the effectiveness of the proposed algorithm.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利