基于演化博弈的网络动态选择算法

摘要

近年来，基于802.11的无线局域网（WLAN，WirelessLocalAreaNetwork）技术发展迅猛。相比有线局域网（LAN，LocalAreaNetwork），无线局域网具有低成本、高速率、易安装和易操作等特点，因而得到越来越广泛的应用。大量的无线接入点（AP，AccessPoint）密集的部署在机场、酒店、学校等场所以支持大量用户的需求，这使得一个无线设备能够同时搜索到多个AP。现行的方案单纯考虑接收信号强度（RSSI，ReceivedSignalStrengthIndicator）大小决定无线设备接入哪个AP，导致某些AP连接了大量移动站（STA，Station），而其它AP只连接很少STA。AP之间的负载不均衡，降低网络资源利用率，影响系统性能。
　　本文详细研究和分析了国内外相关研究进展，并对现有的负载均衡方法进行了归纳总结，在此基础上，将网络选择问题模型化为演化博弈问题。在这个问题中，同一个重叠区域中的STA构成一个群体，群体之间是相互独立的。群体中的STA是演化博弈的参与人，它们与同处一个群体的其他STA竞争网络资源。演化均衡作为最后的网络选择解决方案。
　　本文提出了两种基于演化博弈的网络选择算法：集中式的群体演化算法和分布式的强化学习算法。在群体演化算法中，STA计算各自收益，并发送给中心控制器，然后由中心控制器计算出各个群体的平均收益和其他可选AP可提供的收益，返回给STA进行网络选择决策。群体演化算法结合了AP主控和STA主控负载均衡的优点，既具有较快的收敛速度，又不会出现AP主控方式造成的“孤岛”的风险。在强化学习算法中，STA通过自身对网络环境的学习来选择网络，逐渐逼近网络平衡。强化学习算法不需要额外的硬件支持，通信开销较小，利于网络扩展。
　　最后，在网络仿真平台NS-2下实现了上述算法，仿真结果表明上述算法能够很好地完成各AP间的负载均衡，群体演化算法比强化学习算法具有更快的算法收敛速度。

目录

学位论文原创性声明和学位论文版权使用授权书

摘要

Abstract

插图索引

附表索引

第1章绪论

1.1研究背景和意义

1.2无线局域网的网络选择技术

1.2.1国内外研究进展

1.2.2基于博弈的网络选择

1.3研究内容

1.4章节安排

第2章演化博弈技术介绍

2.1演化博弈理论

2.1.1演化博弈的产生和发展

2.1.2演化博弈原理与特征

2.2演化博弈的经典模型

2.2.1复制动态模型

2.2.2强化学习动态模型

2.3小结

第3章面向网络选择的群体演化算法

3.1网络场景

3.2问题建模

3.2.1群体和策略空间

3.2.2连接代价和收益函数

3.3网络选择问题中群体复制动态

3.3.1各群体复制动态公式

3.3.2群体演化算法的均衡状态

3.4群体演化算法设计

3.5小结

第4章面向网络选择的强化学习算法

4.1网络选择问题的学习框架

4.1.1值函数的选择

4.1.2值函数迭代规则

4.1.3探索和利用过程

4.2基于强化学习的网络动态选择算法的设计

4.3小结

第5章仿真与性能分析

5.1NS-2仿真软件介绍

5.1.1功能模块

5.1.2NS-2仿真的一般方法和过程

5.2参数设定

5.2.1实验场景设定

5.2.2基于演化博弈的网络动态选择算法的参数设定

5.3实验结果分析

5.4小结

结论

参考文献

致谢

附录A攻读硕士学位期间发表的论文

附录B攻读学位期间参与的科研项目