[论文解读] Small Cell Association with Networked Flying Platforms: Novel Algorithms and Performance Bounds

Syed Awais Wahab Shah, Tamer Khattab+3 more|arXiv (Cornell University)|Feb 4, 2018

UAV Applications and Optimization参考文献 19被引用 11

一句话总结

该论文提出了一种新颖的贪心算法，用于关联小型蜂窝（SCs）与联网飞行平台（NFPs），以在5G/后5G网络中最大化总数据速率，将该问题建模为广义分配问题（GAP）。论文证明了其NP难性，通过线性规划松弛推导出性能界，并表明所提出的集中式与分布式算法相较于穷举搜索，以极低的计算复杂度实现了近乎最优的性能。

ABSTRACT

Fifth generation (5G) and beyond-5G (B5G) systems expect coverage and capacity enhancements along with the consideration of limited power, cost and spectrum. Densification of small cells (SCs) is a promising approach to cater these demands of 5G and B5G systems. However, such an ultra dense network of SCs requires provision of smart backhaul and fronthaul networks. In this paper, we employ a scalable idea of using networked flying platforms (NFPs) as aerial hubs to provide fronthaul connectivity to the SCs. We consider the association problem of SCs and NFPs in a SC network and study the effect of practical constraints related to the system and NFPs. Mainly, we show that the association problem is related to the generalized assignment problem (GAP). Using this relation with the GAP, we show the NP-hard complexity of the association problem and further derive an upper bound for the maximum achievable sum data rate. Linear Programming relaxation of the problem is also studied to compare the results with the derived bounds. Finally, two efficient (less complex) greedy solutions of the association problem are presented, where one of them is a distributed solution and the other one is its centralized version. Numerical results show a favorable performance of the presented algorithms with respect to the exhaustive search and derived bounds. The computational complexity comparison of the algorithms with the exhaustive search is also presented to show that the presented algorithms can be practically implemented.

研究动机与目标

• 为解决超密集小型蜂窝（SC）网络中因基础设施有限而导致的前传回传连接挑战。
• 将SC-NFP关联问题形式化为广义分配问题（GAP），以分析其NP难复杂度。
• 通过线性规划松弛，推导出最大可实现总数据速率的理论性能界。
• 设计计算高效的集中式与分布式贪心算法，以实现实际部署。
• 在总数据速率与计算复杂度方面，评估算法性能相对于穷举搜索与推导边界的性能表现。

提出的方法

• 将SC-NFP关联问题建模为带约束的二整数线性规划（BILP），约束条件包括回传速率、带宽以及每个NFP的链路数量。
• 通过将其与广义分配问题（GAP）关联，证明该问题为NP难。
• 通过BILP形式的线性规划（LP）松弛，推导出最大总数据速率的上界。
• 提出两种贪心算法：一种集中式方法（CMDMSA）与一种分布式方法（M(DM)2S），二者均基于信道增益与数据速率度量的优先级分配机制。
• 采用分支定界（B&B）方法作为最优性能评估的基准。
• 通过100种场景的数值仿真，将性能与运行时间与B&B方法、LP松弛及GAP边界进行对比。

实验结果

研究问题

• RQ1 SC-NFP关联问题是否为NP难？能否将其与广义分配问题（GAP）正式关联？
• RQ2 SC-NFP关联问题的可实现总数据速率的理论上限是多少？
• RQ3 所提出的贪心算法在总数据速率与关联SC数量方面，相较于最优解与松弛解表现如何？
• RQ4 所提出算法的计算复杂度相较于穷举搜索及其他基准如何？
• RQ5 所提出算法能否在显著降低运行时间的前提下实现近乎最优性能，从而适用于实际部署？

主要发现

• 通过证明该问题与广义分配问题（GAP）的等价性，证实SC-NFP关联问题为NP难。
• 推导出的总数据速率上界与分支定界（B&B）穷举搜索的性能极为接近，验证了该边界的紧致性。
• 所提出的集中式贪心算法（CMDMSA）在总数据速率性能上仅比B&B方法与GAP边界低1.5%，平均运行时间仅为0.000523秒。
• 分布式贪心算法（M(DM)2S）实现了近乎最优性能，运行时间仅为0.000445秒，表明其在实时部署中具有高度实用性。
• 当可用链路数（Nl）受限时，(DM)2S算法的性能几乎与B&B相当，表明其在资源受限条件下的鲁棒性。
• 所提出算法的计算复杂度显著低于B&B，仅略高于(DM)2S基线，证实了其实际可行性。