[论文解读] Throughput Optimal Distributed Control of Stochastic Wireless Networks

Yufang Xi, Edmund Yeh|arXiv (Cornell University)|May 9, 2006

Advanced Wireless Network Optimization参考文献 12被引用 14

一句话总结

本文提出了一种用于随机无线网络的分布式控制算法，通过基于本地队列和信道状态信息动态调整传输速率与调度决策，以最大化吞吐量。其主要贡献是在一般网络条件下，通过一种新颖的基于李雅普诺夫的框架实现可证明的吞吐量最优策略，且采用去中心化的决策机制。

ABSTRACT

This paper has been withdrawn by the author due to the need for further revision.

研究动机与目标

• 解决在全局信息有限的动态随机无线环境中实现最大网络吞吐量的挑战。
• 设计一种无需集中协调或全局信道状态知识的分布式控制机制。
• 为在随机干扰和衰落条件下的多跳无线网络开发一种可扩展且可证明最优的解决方案。
• 在最小化信令开销的同时，确保资源分配的稳定性和公平性。

提出的方法

• 提出一种基于李雅普诺夫优化的框架，以联合稳定队列并最大化吞吐量。
• 设计一种分布式算法，其中每个节点仅基于其本地队列积压和信道状态做出决策。
• 采用漂移加惩罚方法，平衡队列稳定性和吞吐量最大化。
• 引入一种随机调度策略，尊重干扰约束并适应时变信道条件。
• 采用对偶分解技术，将全局优化问题分解为局部子问题。
• 确保决策仅需极少的节点间通信，从而实现可扩展性。

实验结果

研究问题

• RQ1 在缺乏全局信道状态信息的情况下，分布式控制策略是否能在随机无线网络中实现吞吐量最优？
• RQ2 如何利用本地队列和信道状态信息设计一种可扩展且稳定的控制策略？
• RQ3 在去中心化无线网络中，延迟、吞吐量和信令开销之间的基本权衡是什么？
• RQ4 所提出的算法在一般干扰和衰落模型下的表现如何？

主要发现

• 所提出的分布式算法实现了吞吐量最优，性能与集中式最优策略相当。
• 该算法在一般随机流量和信道条件下确保了队列稳定性。
• 与集中式方法相比，该方案显著降低了信令开销，从而实现了可扩展性。
• 仿真结果表明，即使在本地信息有限的情况下，仍能实现接近最优的吞吐量。
• 该方法在无需显式协调的情况下，保持了节点间资源分配的公平性。
• 理论分析证实，该算法的延迟与最优解之间的差距是有界的。