In this paper, we tackle a resource allocation problem over multiple fading channels in wireless networks. Differing from previous studies, the data transmission rate can take a value out of a discrete set of data transmission rates in this work. We propose machine-learning-based online waterfilling algorithms for this problem. The relative performance of the online and optimal offline policies are evaluated for various types of fading channels (Rayleigh, Rician, Nakagami, Weibull) over various time horizons. The numerical results demonstrate these online waterfilling algorithms shows close performance to offline waterfilling algorithms especially for longer time horizons.
Bu çalışmada, kablosuz ağlarda çoklu gölgelenen kanallar üzerinden bir radio kaynak tahsisi problem ele alınmaktadır. Bu çalışmada önceki çalışmalardan farklı olarak, anlık veri iletim hızı sadece ayrık bir kümedeki veri iletim hızı değerlerinden birini alabilir. Bu probleme makine öğrenmesi-temelli çevrimiçi su doldurma algoritmaları önerilmiştir. Çevrimiçi ve eniyi çevrimdışı politikaların göreli performansı, çeşitli tiplerde (Rayleigh, Rician, Nakagami, Weibull) gölgelenen kanallar için çeşitli zaman ufuklarında değerlendirilmektedir. Sayısal sonuçlar, özellikle daha uzun zaman ufukları için, bu çevrimiçi su doldurma algoritmalarının çevrimdışı su doldurma algoritmalarına yakın performansı olduğunu göstermektedir.
Primary Language | Turkish |
---|---|
Subjects | Engineering |
Journal Section | Akademik ve/veya teknolojik bilimsel makale |
Authors | |
Early Pub Date | July 17, 2023 |
Publication Date | July 19, 2023 |
Submission Date | May 12, 2023 |
Published in Issue | Year 2023 Volume: 13 Issue: 2 |
EMO BİLİMSEL DERGİ
Elektrik, Elektronik, Bilgisayar, Biyomedikal, Kontrol Mühendisliği Bilimsel Hakemli Dergisi
TMMOB ELEKTRİK MÜHENDİSLERİ ODASI
IHLAMUR SOKAK NO:10 KIZILAY/ANKARA
TEL: +90 (312) 425 32 72 (PBX) - FAKS: +90 (312) 417 38 18
bilimseldergi@emo.org.tr