Upload
hahuong
View
219
Download
0
Embed Size (px)
Citation preview
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 1
Politechnika Poznańska
Wydział Elektroniki i Telekomunikacji
Katedra Radiokomunikacji
Mgr inż. Marcin PARZY
ALGORYTMY TEORII GIER DLA WSPÓŁDZIELENIA ZASOBÓW
RADIOWYCH W SYSTEMACH RADIA KOGNITYWNEGO
Streszczenie/autoreferat rozprawy doktorskiej
Promotor:
dr hab. inż. Hanna Bogucka, prof. PP
Poznań 2012
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 2
Podziękowania
Wyniki badań przedstawione w niniejszej rozprawie doktorskiej zostały uzyskane
w ramach projektu 7 Programu Ramowego UE COGEU (nr kontraktu: n°248560)
finansowanego przez Komisję Europejską oraz w ramachgrantu Ministerstwa Nauki i
Szkolnictwa Wyższego (a następnie Narodowego Centrum Nauki) o numerze 779/N-
COST2010/0, który wspiera udział zespołu Politechniki Poznańskiej w europejskiej
akcji COST IC0902.
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 3
Spis treści
PODZIĘKOWANIA .................................................................................................................................. 2
SPIS TREŚCI ............................................................................................................................................ 3
1. WSTĘP............................................................................................................................................. 4
1.1. TEZA ROZPRAWY I GŁÓWNE OSIĄGNIĘCIA ................................................................................................... 6
1.2. LISTA PUBLIKACJI AUTORA ROZPRAWY ....................................................................................................... 7
2. NOWE PODEJŚCIE AUKCYJNE DO WSPÓŁDZIELENIA ZASOBÓW Z BIAŁYCH PLAM W WIDMIE
TELEWIZYJNYM ............................................................................................................................... 9
2.1. SYSTEM AUKCYJNY - WSTĘP..................................................................................................................... 9
2.2. AUKCJE ZASOBÓW RADIOWYCH Z TVWS ................................................................................................. 11
2.3. SYMULACJE AUKCJI Z TVWS ORAZ ZALECENIA DLA REGULATORÓW ............................................................... 17
3. NOWE ALGORYTMY WSPIERAJĄCE KONKURENCJĘ I WSPÓŁPRACĘ PRZY WSPÓŁDZIELENIU
ZASOBÓW RADIOWYCH ................................................................................................................ 23
3.1. WSTĘP ............................................................................................................................................. 23
3.2. METODA COOPETITION I JEJ ZASTOSOWANIE W RADIOKOMUNIKACJI ............................................................. 24
3.3. SYMULACJE KOMPUTEROWE GRY COURNOT ORAZ METODOLOGII COOPETITION ............................................... 30
4. PODSUMOWANIE ......................................................................................................................... 34
BIBLIOGRAFIA ...................................................................................................................................... 36
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 4
1. Wstęp
Efektywne zarządzanie widmem elektromagnetycznym ma szczególne znaczenie
dla operatorów i dostawców usług telekomunikacyjnych, producentów sprzętu i
oprogramowania oraz dla regulatorów, zwłaszcza w okresie wzrastającego
zapotrzebowania na nowe zasoby radiowe i braku możliwości ich zwiększenia. Aby
zapewnić swoim klientom odpowiedni poziom jakości usług, operatorzy mogą
zwiększyć liczbę stacji bazowych, użyć nowych pasm częstotliwości (o ile są dostępne)
lub dokonać wyboru technologii zapewniającej wyższą efektywność widmową.
Zgodnie z raportem [1], w ciągu najbliższych lat ruch generowany przez
użytkowników końcowych będzie się zwiększał wykładniczo pomimo wzrostu liczby
komórek i rozwoju efektywnych widmowo technologii. Z drugiej strony, zaspokojenie
żądań użytkowników przy pomocy istniejących zasobów oraz technologii nie jest
praktycznie możliwe.
W związku ze zmianą sposobu nadawania sygnału telewizyjnego z analogowego
na cyfrowy pojawia się możliwość ponownego wykorzystania ponad 230 MHz w
paśmie VHF/UHF. Jednakże, na wielu obszarach, gdzie będzie nadawana telewizja
cyfrowa, nie wszystkie kanały telewizyjne będą wykorzystane. Kanały te i związane z
nimi pasma częstotliwości są nazywane białymi plamami w widmie telewizyjnym i
mogą być użyte do koordynowanego dostępu radiowego na tzw. wtórnym rynku
częstotliwości [2]. Jego stworzenie pozwala na handel zasobami widmowymi przez
zainteresowanych graczy rynkowych, a zwłaszcza przez infrastrukturalnych
operatorów telekomunikacyjnych. W niniejszej rozprawie doktorskiej, problem
dystrybucji zasobów pochodzących z telewizyjnych białych plam został rozwiązany
przez otwarcie wtórnego rynku częstotliwości radiowych i zastosowanie aukcji
dynamicznej obiektów niejednorodnych, jakimi są niewykorzystane na danym
obszarze kanały telewizji cyfrowej. Obiekty te są niejednorodne, ponieważ
definiowane są poprzez określenie różnych wartości szerokości pasma, czasu ich
alokacji oraz maksymalnej dopuszczalnej mocy transmisji radiowej. Prezentowane
przez autora niniejszej rozprawy nowe podejście aukcyjne pozwala na zwiększenie
zasobów widmowych, co więcej, może być wykorzystane w innych pasmach
częstotliwości poza pasmem telewizji cyfrowej. Eksperyment symulacyjny oraz
prezentowane wyniki symulacji komputerowych są zorientowane na transmisję LTE, a
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 5
zwłaszcza na możliwości rozszerzenia pojemności systemów graczy występujących na
rynku wtórnym widma.
Oprócz podejścia aukcyjnego, w niniejszej rozprawie doktorskiej prezentowane są
metody dynamicznego dostępu do zasobów radiowych przez urządzenia radia
kognitywnego w pełni rozproszonych sieciach bezprzewodowych bazujących na
modulacji OFDM. Urządzenia radia kognitywnego mogą ze sobą konkurować i/lub
współpracować w sposobie dostępu do zasobów w modelu zwanym coopetition.
Model ten pozwala na wykorzystanie najlepszych cech konkurencji i współpracy
między graczami. Proponowane modele gry niekooperacyjnej oraz modele
kooperacyjnego formowania koalicji pozwalają na zapewnienie wysokiej efektywności
widmowej transmisji w sieci i stosunkowo wysokiej sprawiedliwości przydziału
zasobów dla poszczególnych graczy, co potwierdzają przeprowadzone symulacje.
Radio kognitywne niesie ze sobą wiele możliwości zwiększenia dostępności
zasobów radiowych (przez wykorzystanie białych plam w widmie telewizyjnym) oraz
zastosowania teorii gier do efektywnego przydziału zasobów radiowych. Radio
kognitywne i teoria gier otwierają nowe możliwości dynamicznego zarządzania
zasobami radiowymi, zarówno na poziomie globalnym jak i lokalnym.
W Rozdziale 2, zostaną zaproponowane mechanizmy aukcyjne, które umożliwią
elastyczne zarządzanie zasobami radiowymi i ich handel na wtórnym rynku zasobów
radiowych. Proponowane modele umożliwiają handel obiektami widmowymi
definiowanymi przez czas alokacji, szerokość i ciągłość na osi częstotliwości oraz przez
moc wymaganą do transmisji. Główny nacisk położony jest na wsparcie operatorów
posiadających zasoby w innych pasmach (800 MHz, 2.6 GHz), którzy potrzebują
dodatkowych kanałów radiowych celem zapewnienia odpowiednich przepływności
dla klientów końcowych działających w standardzie LTE (z ang. Long Therm
Evolution). Rozdział kończą rekomendacje dla regulatorów, które umożliwią
efektywne wykorzystanie zasobów pochodzących z białych plam.
W Rozdziale 3, prezentowane są nowe metody oportunistycznego dostępu do
zasobów radiowych w niewielkich sieciach radiowych działających w oparciu o
technikę OFDMA (z ang. Orthogonal Frequency Division Multiple Access).
Prezentowane rozwiązania oparte są o grę Cournot oraz podejście coopetition, które
pozwala na połączenie współpracy i konkurencji. Gra Cournot pozwala na przydział
użytkownikom konkretnej ilości podnośnych, natomiast gra koalicyjna służy do
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 6
ustalenia kolejności ich zajmowania. Proponowane rozwiązania pozwalają na wybór
pomiędzy efektywnością przydziału zasobów, ich sprawiedliwością bądź też na
kompromis pomiędzy tymi dwoma miarami.
W Rozdziale 5 zawarte jest podsumowanie.
1.1. Teza rozprawy i główne osiągnięcia
Teza niniejszej rozprawy jest sformułowana w następujący sposób:
TEZA: Dzięki wykorzystaniu narzędzi znanych z teorii gier, takich jak aukcje
kombinatoryczne, modele oligopolu oraz coopetition, możliwe jest osiągnięcie
wysokiej efektywności współdzielenia zasobów radiowych. Efektywność
współdzielenia zasobów może być wyrażana przez wskaźnik wykorzystania
zasobów, ich sprawiedliwy podział oraz przez satysfakcję użytkowników.
Poniżej znajduje się wkład autora rozprawy potwierdzający spełnienie
postawionej tezy:
Opracowanie modelu wtórnego rynku zasobów widmowych w białych
plamach w widmie telewizyjnym.
Opracowanie, optymalizacja i analiza dwóch nowych aukcji obiektów
niejednorodnych, definiowanych przez czas alokacji, szerokość i ciągłość na
osi częstotliwości oraz wymagana moc potrzebną do transmisji, do
współdzielenia zasobów pochodzących z białych plam w widmie
telewizyjnym przez operatorów telekomunikacyjnych oraz innych
użytkowników infrastrukturalnych.
Analiza wpływu wybranej technologii na przykładzie LTE oraz ograniczeń
nakładanych przez regulatorów na wynik aukcji.
Przygotowanie wskazówek dla regulatorów rynku celem płynnego wdrożenia
prezentowanych rozwiązań.
Opracowanie metody coopetition, które pozwala na sterowanie efektywnością i
sprawiedliwością przydziału zasobów radiowych w przyszłych sieciach
radiowych bazujących na radiu kognitywnym.
Adaptacja gry Cournot do przydziału zasobów radiowych pomiędzy węzłami
radia kognitywnego.
Definicja i analiza gry koalicyjnej, której celem jest określenie kolejności
zajmowania zasobów radiowych.
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 7
Implementacja i analiza rozwiązania coopetition w sieciach pracujących w
oparciu o technikę OFDMA.
1.2. Lista publikacji autora rozprawy
Opisany wyżej wkład badawczy autora rozprawy w dziedzinę radia
kognitywnego został opublikowany w następujących artykułach naukowych.
Artykuły w czasopismach międzynarodowych (z tzw. Listy filadelfijskiej):
H. Bogucka, M. Parzy, P. Marquez, J. W. Mwangoka, T. Forde, “Secondary
Spectrum Trading in TV White Spaces”, IEEE Communications Magazine,
Nov. 2012., Vol. 50, No. 11, pp. 121-129 [3]
M. Parzy, H. Bogucka, “On-line spectrum auctions in TV white spaces for
supporting mobile services – a practical manual”, Telecommunications Policy
journal, Elsevier, 2012, DOI: 10.1016/i.telpol.2012.06.018 [4]
Artykuły w materiałach konferencji międzynarodowych:
M. Parzy, H. Bogucka, “Policies and technology constraints for auctions in TV
White Spaces - a practical approach for LTE-A”, The Ninth International
Symposium on Wireless Communication Systems (ISWCS), Paris, France,
August 28-31, 2012 [5]
M. Parzy, H. Bogucka, “Coopetition – practical methodology for efficient
sharing of radio resources in wireless networks”, 4th International ICST
Workshop on Game Theory in Communication Networks, Gamecomm 2011,
Paris, France, 16th of May 2011 [6]
M. Parzy, H. Bogucka “Non-identical objects auction for spectrum sharing in
TV white spaces – the perspective of service providers as secondary users”,
Dynamic Spectrum Access Networks, IEEE DySPAN 2011, Aachen, Germany
[7]
M. Parzy, H. Bogucka “Distributed Spectrum Allocation with the Cournot
Competition”, 2010 European Signal Processing Conference (EUSIPCO-2010),
August 23-27 2010, Aalborg, Denmark [8]
M. Parzy, H. Bogucka “QoS Support in Radio Resource Sharing with Cournot
Competition”, The 2nd International Workshop on Cognitive Information
Processing (CIP-2010), 14-15-16 June, 2010 Elba Island (Tuscany) – Italy [9]
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 8
Artykuły w czasopismach i materiałach konferencji krajowych:
M. Parzy, H. Bogucka, "Zastosowanie aukcji kombinatorycznej do
współdzielenia widma w radiu kognitywnym", Przegląd Telekomunikacyjny i
Wiadomości Telekomunikacyjne, nr 4/ 2012, ISSN 1230-3496 (Krajowa
Konferencja Radiokomunikacji Radiofonii i Telewizji KKRRiT'2012, 14 – 16
maja 2012, Gdańsk) [10]
M. Parzy, H. Bogucka, “Podejście aukcyjne do współdzielenia wolnych
kanałów telewizyjnych przez systemy radiokomunikacji ruchomej”, Przegląd
Telekomunikacyjny i Wiadomości Telekomunikacyjne, nr 6/ 2011, ISSN 1230-
3496 (Krajowa Konferencja Radiokomunikacji Radiofonii i Telewizji
KKRRiT'2011, 08 – 10 czerwca 2011, Poznań) [11]
M. Parzy, H. Bogucka “New coopetition methodology for resource allocation
in OFDMA”, XIV Poznanskie Warsztaty Telekomunikacyjne (PWT-2010), 10th
December, 2010 Poznan (Poland) [12]
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 9
2. Nowe podejście aukcyjne do współdzielenia zasobów z białych plam w widmie telewizyjnym
2.1. System aukcyjny - wstęp
W związku ze zmianą standardu nadawania sygnału telewizyjnego pojawiają się
obszary, na których nie wszystkie zasoby radiowe będą wykorzystywane. Obszary te
nazywane są białymi plamami w widmie telewizyjnym (ang. TV white spaces, TVWS)
i są pasmami częstotliwości przydzielonymi nadajnikom cyfrowej telewizji naziemnej
DVB-T aktualnie niewykorzystywanymi przez nadawców. TVWS są stabilne w czasie i
w częstotliwości, co wynika z wolnych zmian w sieci nadawczej DVB-T. Pojawia się
więc możliwość ich wykorzystania przez systemy radia kognitywnego. W związku z
tym, że pasmo sąsiednie (800 MHz) zostało przdzielone do wykorzystania dla
operatorów systemów komórkowych działających w standardzie LTE (ang. Long Term
Evolution) oraz z punktu widzenia scenariusza biznesowego projektu 7. Programu
Ramowego Unii Europejskiej COGEU (COgnitive radio systems for efficient sharing of
TV white spaces in EUropean context), istotne jest wspieranie operatorów działających
w tym standardzie przez dostarczenie możliwości swobodnego nabywania
dodatkowych zasobów radiowych, które pomogą im zapewnić lepszy poziom usług
użytkownikom końcowym (zwłaszcza w godzinach najwyższego ruchu) lub też
zaproponować zupełnie nowe usługi wymagające większej przepustowości.
Przewiduje się też wykorzystanie TVWS przez inne sieci i systemy na zasadach
otwartego dostępu do wtórnego rynku zasobów radiowych. Potrzeba dodatkowych
zasobów będzie najczęściej występować na obszarach wysoko zaludnionych (miasta,
przedmieścia) lub w przypadku imprez masowych.
Proponowane rozwiązanie opiera się na oportunistycznym wykorzystaniu
częstotliwości z TVWS i sprzedaży krótkoterminowych licencji na ich wykorzystanie.
Praca bazuje na istnieniu jednostki centralnej zwanej brokerem widma, którego celem
jest maksymalizacja zysku. Broker korzysta z informacji o dostępności zasobów
zawartych w geo-lokacyjnej bazie danych. Schemat funkcjonalny działania brokera
został przedstawiony na Rysunku 2.1. Ponieważ operatorzy telekomunikacyjni mogą
mieć różne żądania dotyczące szerokości kanału radiowego, ciągłości na osi
częstotliwości, czasu alokacji oraz mocy została wybrana aukcja kombinatoryczna
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 10
(obiektów niejednorodnych). Ponadto, dostępne zasoby radiowe są niejednorodne z
uwagi na ich nieciągłość na osi częstotliwości i różną dozwoloną moc transmisji.
W pracy rozważany jest wtórny rynek pasm częstotliwości radiowych w obszarach
TVWS, które podzielone są na mniejsze niezależne obszary handlu zwane pikselami.
Rozmiar pojedynczego piksela jest zależny od preferowanego przez brokera
scenariusza biznesowego. Przyjmuje się, że dostępność zasobów w ramach
pojedynczego piksela jest taka sama. W przypadku projektu COGEU i obszaru
Monachium i okolic przyjęto, że pojedynczy piksel a powierzchnię 200 m x 200 m.
Przydział zasobów odbywa się w wybranych chwilach czasowych i zapewnia alokację
w ramach licencji krótkookresowych (od kilku godzin do dni). Jednakże w okresie
przejściowym konieczne może być użycie licencji rocznych.
Proponowane modele aukcji kombinatorycznej mogą być rozpatrywane, jako
aukcja czasu rzeczywistego, która przeprowadzana jest bezpośrednio przed czasem
alokacji, na który zasoby mają zostać rozdysponowane. W przypadku takiej
możliwości obiekty widmowe opisywane są przez szerokość kanału radiowego i
wymaganą moc. Możliwy jest także inny sposób wykorzystania aukcji czasu
rzeczywistego, który pozwala uczestnikom aukcji na zaplanowanie wykorzystania
dodatkowych zasobów. Broker może przeprowadzić aukcję jednoczesną na wiele
niezależnych przedziałów alokacji (np. na początku doby na kolejne godziny) i wynik
Sieć komórkowa 1
Wycena zasobów radiowych
BROKER widma TVWS
Regulator
Informacje o rynku
Obszar TVWS
Przepisy i regulacje
Alokacja widma
Weryfikacja i rejestracja użytkowników
Protokół negocjacji
Geolokacyjna baza danych
TVWS
Sieć komórkowa 2 Sieć komórkowa N
Zajętość TVWS
Rys. 2.1 Architektura brokera widma [3]
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 11
ogłosić dopiero po ich przeprowadzeniu (aukcja symultaniczna). W takim podejściu
broker stosuje aukcję czasu rzeczywistego w sposób zwielokrotniony. Podejście to
może skutkować brakiem zaspokojenia wymagań graczy na konkretne kombinacje
przedziałów czasowych. Dodanie wymiaru czasu powoduje, że aukcja jest w pełni
kombinatoryczna w tych trzech wymiarach: mocy, częstotliwości i czasu (obiekty
podlegające sprzedaży scharakteryzowane są przez te trzy cechy).
Rozważane są dwa podejścia: aukcja symultaniczna oraz kombinatoryczna w
czasie. W obu przypadkach alokacja zasobów zostanie przedstawiona w postaci
problemów optymalizacyjnych, które są NP-trudne i wymagają efektywnych technik
optymalizacyjnych. Ponadto został również poruszony problem ciągłości na osi
częstotliwości, który ma znaczący wpływ na efektywność przydziału zasobów.
Rozważane aukcje są tzw. aukcjami zamkniętymi pierwszej ceny (ang. first price
sealed-bid), w których oferty graczy znane są wyłącznie brokerowi, a wygrywa(ją)
gracz(e), z najwyższymi złożonymi ofertami. Wybór ten jest podyktowany
minimalizacją sygnalizacji (przepływu informacji) pomiędzy brokerem a graczami.
Prawdopodobnie aukcja ta będzie rozgrywana przez automaty.
Należy nadmienić, że mimo, iż w niniejszej pracy zawężono działanie
mechanizmów aukcyjnych tylko do operatorów LTE, to prezentowane rozwiązania są
ogólne i można je rozszerzyć do innych typów użytkowników, co zostało pokazane w
[7], w której rozważani byli użytkownicy działający w standardzie LTE, Wi-Fi, DVB-H.
Wyniki prezentowane zostały opublikowane w następujących pracach: [3], [4],
[5], [7], [10] i [11]. W wymienionych pracach można też znaleźć przegląd różnego typu
aukcji stosowanych w systemach radiokomunikacyjnych (zwłaszcza w [3], [4] i [7]).
2.2. Aukcje zasobów radiowych z TVWS
Zanim mechanizm alokacji zasobów zostanie szczegółowo opisany należy
wspomnieć o jego miejscu w całym procesie sprzedaży. Broker łączy się z bazą danych,
która zawiera informacje o dostępności TVWS (obszar, częstotliwości, moce transmisji).
Po uzyskaniu danych dokonuje analizy dostępnych zasobów i definiuje tzw.
widmowe portfolio (ang. spectrum portfolio) złożone z informacji o dostępnych
obiektach widowych i możliwościach ich wykorzystania. Następnie gracze na
podstawie własnych algorytmów dokonują wartościowania poszczególnych obiektów
i zgłaszają swoje oferty. Do tego celu mogą posłużyć się statystykami z poprzednich
aukcji oraz własnymi narzędziami określającymi zachowanie innych graczy. Broker na
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 13
żądań danego typu oznaczana, jako si,l, przy czym ze względu na stabilność
dostępności zasobów w TVWS jest to zwykle stała liczba dla każdego przedziału
czasowego. W tym celu bez straty ogólności broker sortuje fragmenty dostępnego
pasma w następującej kolejności: B1,l ≥ B2,l ≥ … ≥ Bk,l ≥ … ≥ BK,l. Na tej podstawie
wyznaczone zostają wartości si,l w następujący sposób:
⋁ {
⌊
⌋
∑
(2.2)
Celem organizacji procesu optymalizacyjnego w aukcji jednoczesnej broker może
umieszczać poszczególne żądania od graczy na I listach (dla każdego obiektu) z
maksymalną liczbą pozycji si,l, które mogą stać się częścią rozwiązania końcowego.
Powyższe rozważania dotyczą systemów z dupleksem czasowym TDD, oraz
systemów, w których sprzedawane są kanały tylko do transmisji w górę lub w dół. W
przypadku systemów z dupleksem częstotliwościowym FDD wartości si,l są
dwukrotnie mniejsze, przy czym należy dodatkowo wziąć pod uwagę konieczność
zapewnienia odpowiedniego odstępu na osi częstotliwości dla kanałów do transmisji
w górę i w dół (ang. duplex gap). Obliczenia te są dokonywane dla każdego z L
przedziałów czasowych oddzielnie. Dla systemów z pełnym FDD, broker może
uwzględnić żądania graczy dotyczących kanałów do transmisji w górę i w dół tylko
wtedy, gdy możliwe zapewnienie jest odpowiedniego odstępu pomiędzy nimi na osi
częstotliwości.
Następnie broker na podstawie wbudowanych narzędzi określa minimalne ceny
πl,i,min na poszczególne sprzedawane obiekty, tj. zasoby widmowe z określonymi
dopuszczalnymi mocami nadawania w poszczególnych chwilach czasowych.
Zastosowanie ceny minimalnej pozwala brokerowi zabezpieczyć się przed zmową
graczy oraz osiągnąć minimalne zyski w przypadku małego zainteresowania graczy.
Po dokonaniu wszystkich wymaganych obliczeń broker prezentuje dane w pełnej
formie dla graczy w postaci I zestawów parametrów (bi, pi, ti, πl,i,min). Do tak
przedstawionej oferty brokera ustosunkowują się gracze przez przesłanie swoich
żądań i ofert cenowych w formie wektora parametrów (l, i, l,i,n), gdzie l jest indeksem
żądanego przedziału czasowego, i odnosi się do konkretnego obiektu, natomiast l,i,n
jest ceną oferowaną przez n-tego gracza. W przypadku żądań dotyczących FDD można
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 14
dodać parametr dl,n, który określa żądanie kanałów w parach dla transmisji w górę jak i
w dół.
Gracz może mieć różne żądania w różnych przedziałach czasowych, przy czym
konieczne jest tu spełnienie następującego warunku związanego z ceną minimalną w
następującej postaci:
⋁ (2.3)
W przypadku aukcji symultanicznej w czasie i kombinatorycznej w pozostałych
wymiarach l,i,n należy do zbioru {πl,i,j}, gdzie πl,i,j określa j-tą pozycję oferty gracza n na
i-tej liście w l-tym przedziale czasowym i służy do celów optymalizacyjnych.
Do tego miejsca rozważania dla obu proponowanych mechanizmów aukcyjnych są
spójne. Jednakże definicja problemu optymalizacyjnego dla obu aukcji wymaga
rozróżnienia i oddzielnych rozważań.
Definicja problemu optymalizacyjnego dla aukcji symultanicznej w czasie i
kombinatorycznej w wymiarze częstotliwości i mocy
Dla aukcji symultanicznej w czasie i kombinatorycznej w wymiarach
częstotliwości i mocy problem alokacji zasobów pochodzących z TVWS można zapisać
w następujący sposób:
{ }
( ) ∑ ∑
( )
( ) ⋁
( ) ⋁
( )
( )
(2.4)
gdzie, P(ml) oznacza przychód brokera w zależności od wybranej liczby
użytkowników ml ={ml,i} z każdej listy sprzedawanych obiektów widmowych (z i-tej
listy w l-tym przedziale alokacji). Wartości ml,i nie mogą być większe niż si,l, które
stanowią górne ograniczenie problemu optymalizacyjnego (warunek 1 we wzorze 2.4).
BA,k,l jest dzierżawionym widmem w k-tym fragmencie dostępnych zasobów, l-tego
przedziału alokacji i nie może przekraczać dostępnych zasobów (warunek 2 we wzorze
2.4). Z kolei πl,i,j, czyli oferta gracza na pozycji j-tej z i-tej listy produktów widmowych
musi być wyższa niż cena minimalna πl,i,min, co pozwala brokerowi na zapewnienie
minimalnych przychodów (warunek 3 we wzorze 2.4). Warunek 4 we wzorze 2.4
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 15
oznacza, że obszar optymalizacji ograniczony jest do liczb całkowitych, co powoduje,
że problem alokacji zasobów z TVWS jest zaliczany do programowania
całkowitoliczbowego, którego rozwiązanie jest problemem NP-trudnym i wymaga
bardzo efektywnych narzędzi. Przy zachowaniu odpowiedniej metody rozwiązania (w
tym przypadku metody branch-and-cut) można osiągnąć znaczącą redukcję liczby
obliczeń wymaganych do otrzymania końcowego rozwiązania. Co więcej, z uwagi na
skupienie się na systemach, których rozważane kanały są dość duże (np. LTE: 1.4
MHz, 3 MHz, 5 MHz, 10 MHz, 15 MHz, 20 MHz) oraz przewidywane dostępne widmo
nie powinno być większe niż 100 MHz, liczba wymaganych operacji jest na
akceptowalnym poziomie. Szczegółowe rozważania dotyczące złożoności
obliczeniowej zostały przedstawione w [7]. Warunek 5 we wzorze 2.4 odnosi się do
trybu FDD i oznacza, że zasoby do transmisji w dół mogą być zaalokowane do gracza
n, tylko wtedy, gdy istnieje zwycięska oferta od tego samego gracza dla zasobów do
transmisji w górę, oraz odległość na osi częstotliwości ∆fl,n jest nie mniejsza niż
wymagana ∆freq. Sml,i oznacza zbiór zwycięskich ofert ml,i dla i-tego produktu w l-tym
przedziale alokacji.
Sam algorytm branch-and-cut opiera się na podziale problemu na mniejsze
problemy w formie drzewa. Jeśli rozwiązanie spełnia kryteria optymalizacyjne
wówczas staje się potencjalnym rozwiązaniem (liście drzewa) i będzie użyte przy
końcowym sprawdzeniu (zostanie dla niego obliczona funkcja użyteczności). Każdy
poziom na drzewie reprezentuje możliwe wartości, które mogą stać się potencjalnym
rozwiązaniem. Ta metoda pozwala na odcinanie gałęzi, które nie będą stanowić
potencjalnego rozwiązania ze względu na warunki optymalizacyjne, co prowadzi do
redukcji obliczeń o blisko 2/3 w zaprezentowanych w [7] wynikach. W końcowym
przydziale widma, po otrzymaniu wyników z algorytmu branch-and-cut, broker
dokonuje finałowego przydziału zasobów, które muszą spełniać kryteria maksymalnej
dopuszczalnej interferencji. Jeśli pomiędzy użytkownikami te kryteria nie są spełnione
wówczas broker dyskwalifikuje to rozwiązanie i bierze kolejne możliwe rozwiązanie z
metody branch-and-cut.
Jeśli któryś z graczy jest zainteresowany więcej niż jednym przedziałem alokacji
lub dodatkowymi zasobami, wówczas musi złożyć dodatkowe oferty, które są
niezależne. Główną wadą aukcji symultanicznej w czasie jest możliwość niespełnienia
żądań graczy dotyczących kilku przedziałów alokacji. W TVWS problem nie jest
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 16
szczególnie istotny, gdyż zasoby z TVWS są rozważane głównie, jako wsparcie do
zasobów dostępnych w innych pasmach (np. LTE w paśmie 800 MHz lub 2.6 GHz). Z
kolei w przypadku tej aukcji zaletą jest niższa złożoność obliczeniowa oraz reguły
alokacji są prostsze, co może mieć znaczenie przy przyciągnięciu graczy.
Definicja problemu optymalizacyjnego dla aukcji kombinatorycznej w
wymiarach czasu, częstotliwości i mocy
Stosowanie aukcji w wymiarze czasu jest korzystne dla użytkowników, gdyż
pozwala im zaplanować wykorzystanie zasobów w przyszłości. Aukcja symultaniczna
nie jest jednak pozbawiona wad i pomimo prostszej implementacji konieczne może być
zastosowanie aukcji kombinatorycznej w czasie. W aukcji symultanicznej w czasie
broker uwzględniał żądania graczy oddzielnie (tzw. reguła alokacji OR). W aukcji
kombinatorycznej w czasie (i pozostałych wymiarach) broker uwzględnia żądania
graczy łącznie dla wszystkich przedziałów alokacji (tzw. reguła ALL-OR-NOTHING).
Druga reguła pozwala na potraktowanie żądań n-tego gracza dla L chwil czasowych
łącznie tzn. spełnienie tego, że gracz ten otrzyma zasoby widmowe we wszystkich
żądanych chwilach czasowych albo nie otrzyma go wcale. Dla tak zdefiniowanej
reguły alokacji zasobów problem optymalizacyjny można przedstawić w następujący
sposób:
( ) ∑ ∑ ∑
( ) ⋁
( ) ⋁
( )
(2.5)
gdzie P(n) jest przychodem brokera w zależności od zbioru graczy n spełniających
ograniczenia na sprzedawane zasoby radiowe w k-tym fragmencie l-tego przedziału
czasowego (warunek 1 we wzorze 2.5) oraz warunek ceny minimalnej dla każdego
produktu (warunek 2 we wzorze 2.5). Warunek 3 we wzorze 2.5 podobnie jak warunek
5 we wzorze 2.4 odnosi się do trybu FDD.
Zdefiniowany problem optymalizacyjny jest binarną wersją problemu
plecakowego (ang. binary knapsack problem) i jest problemem NP-trudnym. W
ogólności broker musi sprawdzić 2N różnych wariantów rozwiązania aukcji, aby
znaleźć rozwiązanie dokładne. Może też posłużyć się heurystykami, które zmniejszają
złożoność obliczeniową.
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 17
Proponowana aukcja jest uruchamiana przez brokera raz na cały przedział alokacji
np. codziennie o godz. 00:00 jest uruchamiana aukcja kombinatoryczna na kolejny
dzień. Z uwagi na zastosowany mechanizm alokacji może pojawić się niewykorzystane
widmo. Aby rozwiązać ten problem broker może uruchomić dodatkowe aukcje
symultaniczne do tych przedziałów czasowych, w których są dostępne obiekty
widmowe.
W końcowym przydziale widma, po otrzymaniu wyników z algorytmu
optymalizacyjnego, broker dokonuje finalnego przydziału zasobów, których
wykorzystanie musi spełniać kryteria maksymalnej dopuszczalnej interferencji. Jeśli
pomiędzy użytkownikami te kryteria nie są spełnione wówczas broker dyskwalifikuje
to rozwiązanie i bierze kolejne możliwe rozwiązanie.
2.3. Symulacje aukcji z TVWS oraz zalecenia dla regulatorów
COGEU oraz potencjalne zastosowania
Z uwagi na scenariusz biznesowy projektu COGEU, proponowana aukcja może
zostać wykorzystana do sprzedaży zasobów radiowych operatorom systemów
komórkowych pracującym w standardzie LTE, którzy mogą potrzebować zasobów
zwłaszcza w obszarach miejskich.
Z uwagi, iż istotnym uwarunkowaniem jest charakter TVWS, które są
niejednorodne oraz pofragmentowane, głównie operatorzy mogą żądać kanałów do
transmisji w dół, które pozwolą na dostarczenie dodatkowych usług i przepływności
do obecnych użytkowników pracujących w pasmach 800 MHz, 1.8 GHz i 2.6 GHz.
Taka sytuacja może wystąpić w Europie oraz w USA. Z kolei na innych rynkach
operatorzy mogą żądać kanałów w formacie TDD (np. Chiny, Indie).
Oprócz sprzedaży licencji operatorom systemów 4G, broker może także dzierżawić
zasoby innym systemom zwłaszcza systemom radia kognitywnego.
Dla wsparcia operatorów systemów LTE zostały zdefiniowane następujące obiekty,
które pozwalają na pokrycie obszaru do 1 km od stacji bazowej: 10 MHz z minimalną
mocą transmisji 1 W (b1 = 10 and p1 = 1) oraz 5 MHz z minimalną mocą transmisji 1 W
(b2 = 5 and p2 = 1).
Ponadto zakłada się, że operatorzy żądają ciągłych zasobów na osi częstotliwości.
W badanym w projekcie COGEU obszarze (50km x 50 km) w Monachium i okolicach
istnieją tylko 4 kanały, które pozwalają na wykorzystanie mocy większych niż 25 dBm.
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 18
Środowisko symulacyjne
Celem sprawdzenia poprawności prezentowanego modelu oraz zaprezentowania
potencjalnych możliwości jego wykorzystania przyjęto następujące założenia
dotyczące zachowania graczy (uwzględniając scenariusz biznesowy projektu COGEU):
Scenariusze dostępnych zasobów:
o 24 MHz i 16 MHz w dwóch fragmentach - R1
o 24 MHz i 8 MHz w dwóch fragmentach - R2
o 16 MHz i 16 MHz w dwóch fragmentach - R3
o 16 MHz i 8 MHz w dwóch fragmentach - R4
Wszystkie zasoby są scharakteryzowane przez tę samą moc transmisji i są
inspirowane rzeczywistymi wynikami uzyskanymi w projekcie COGEU dla obszaru
Monachium i okolic.
Rozważono zbiór 8 graczy biorących udział w aukcji, żądających
odpowiednio kanałów:
o 4 graczy żądających 10 MHz,
o 4 graczy żądających 5 MHz.
Prawdopodobieństwo udziału w aukcji (rozkład jednostajny) wynosi
odpowiednio:
o 0.65 dla graczy żądających 10 MHz,
o 0.85 dla graczy żądających 5 MHz.
Założony został rozkład wyznaczania wartości cenowej 1 MHz
(wartościowanie przez graczy), jako rozkład normalny G ~ (1.0, 0.2), gdzie
pierwsza liczba to wartość oczekiwana ceny (oferty), druga to odchylenie
standardowe. Przyjęto tzw. umowne jednostki monetarne.
Liczba graczy, prawdopodobieństwo udziału w aukcji oraz wartościowanie
widma odnoszą się do sytuacji zainteresowania aukcją przez poszczególnych
graczy (zwykle, gdy popyt jest większy od podaży zasobów).
Został użyty scenariusz LTE-FDD do transmisji w dół. Jest on równoważny
trybowi LTE-TDD.
Koegzystencja pomiędzy użytkownikami zapewniona jest z uwagi na maski
widmowe dla LTE.
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 20
zastosowanej reguły alokacji („wszystko albo nic”). Z kolei wartościowanie 1 MHz
dzierżawionego widma jest wyższe w aukcji kombinatorycznej, za wyjątkiem tzw.
godzin najwyższego ruchu. Te uwagi wyjaśniają, dlaczego średni zysk brokera jest
podobny dla obu typów aukcji.
Wyniki zależą od schematu dostępnych zasobów (fragmentacja na osi
częstotliwości powoduje, że nie wszystkie zasoby mogą zostać wykorzystane dla
graczy żądających 5 lub 10 MHz) oraz od liczby graczy (zwiększenie konkurencji
powoduje zwiększenie zysków brokera). Jeśli gracze zrezygnują z ciągłości na osi
częstotliwości możliwe jest uzyskanie maksymalnych efektywności alokacji, co zostało
pokazane przez autora tej pracy w [5], jednak wymaga to zastosowania mechanizmu
alokacji nośnych (LTE-A).
Wskazówki dla regulatorów
Mechanizm aukcji krótkoterminowych na wtórnym rynku zasobów pochodzących
z TVWS pozwala na dynamiczną i efektywną alokacje zasobów. Prezentowane modele
pozwalają na definiowanie obiektów widmowych nie tylko za pomocą szerokości
kanału radiowego (aktualnie rozważane modele w literaturze), ale także za pomocą
mocy, czasu alokacji oraz ciągłości na osi częstotliwości, co stanowi główną zaletę
prezentowanych modeli.
Prezentowane aukcje powinny zostać zastosowane do przydziału
niewykorzystanych zasobów z TVWS, co powinno zapewnić zyski finansowe oraz
społeczne (wsparcie operatorów telekomunikacyjnych oraz pośrednio ich klientów).
Ponadto krótkookresowy przydział zasobów pozwala na lepsze wykorzystanie
dostępnych zasobów (nie tylko w TVWS), ale także otwiera rynek na nowych
uczestników i pozwala na aktywne przeciwdziałanie monopolizacji.
Ze względu na łatwiejszą implementację oraz główne założenie scenariusza
biznesowego (wsparcie dotychczasowych użytkowników – abonentów systemów
komórkowych), sugeruje się wykorzystanie aukcji symultanicznej w czasie. W
przypadku innych zastosowań lepsza może okazać się aukcja kombinatoryczna w
czasie (np. w innych pasmach). Co więcej, prezentowane modele aukcyjne są
skalowalne i ich matematyczny opis pozwala na wykorzystanie w przypadku białych
plam w innych pasmach (np. pasmo L lub pasma zwalniane przez wojsko). Ta uwaga
może również dotyczyć każdej częstotliwości radiowej, której wykorzystanie wymaga
dynamicznego dostępu.
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 21
W [5] zaproponowano metodę wyceny zasobów pochodzących z TVWS. W tej
samej pracy zostały także rozważony wpływ ograniczeń nakładanych na żądania
graczy, które mogą być istotne z punktu widzenia wspierania uczciwej konkurencji
przez regulatorów. Ponadto, zasygnalizowano, iż konieczne jest stworzenie algorytmu,
który pozwoli brokerowi na wykorzystanie wymiaru przestrzennego, który może być
istotny przy planowaniu dla całego systemu stacji bazowych. Jak wspomniano
wcześniej, operatorzy mogą zrezygnować z wymagania ciągłości na osi częstotliwości,
co skutkuje lepszym wykorzystaniem istniejących zasobów, ale wymaga również
wsparcia od regulatora i dostawców sprzętu.
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 22
Rys.2.2 S Efektywność aukcji – porównanie
Rys. 2.3 Wartość sprzedanego 1 MHz – porównanie
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 23
3. Nowe algorytmy wspierające konkurencję i współpracę przy współdzieleniu zasobów radiowych
3.1. Wstęp
W lokalnych sieciach rozproszonych istnieje potrzeba stworzenia algorytmów,
które pozwolą nie tylko na wykorzystanie zasobów z nielicencjonowanych pasm, ale
także na sprawiedliwy i efektywny ich rozdział. Ponieważ zasoby radiowe są
ograniczone i zwykle niewystarczające, konieczne jest stworzenie takich algorytmów,
które w minimalnym stopniu będą wykorzystywać kanał do przesłania informacji
sterujących i sygnalizacyjnych, a przy tym zapewnią odpowiedni poziom, jakości
transmisji, zwłaszcza w małych i średnich sieciach.
Rozważanym modelem systemu, w którym odbywa się przydział zasobów jest
rozproszona sieć radia kognitywnego bazująca na technice OFDMA, w której
informacja o dostępnych zasobach pochodzi z lokalnej bazy danych, nasłuchiwania,
informacji rozsiewczej lub z wymiany informacji z sąsiadami. Sieć jest zarządzana
przez jeden z węzłów, jednakże czynione jest to w minimalnym stopniu i ogranicza się
do niezbędnych informacji sterujących. W tego typu systemach w przydziale zasobów
radiowych stosowane są algorytmy teorii gier.
Obecnie stosowane algorytmy są niewłaściwe z uwagi na stosowane założenie o
pełnej informacji, które nie zawsze jest spełnione, gdyż kanały rozsiewcze i lokalne
bazy danych mogą być niedostępne, nasłuchiwanie może generować błędne rezultaty,
a lokalna wymiana informacji może wymagać zbyt dużych nakładów na sygnalizację.
Ponadto stosowane algorytmy mogą być zbyt skomplikowane, jak np. te w sieciach
scentralizowanych (wypełnianie wodą dla wielu użytkowników [15], algorytm
proportional fairness [16], itp.). W sieciach rozproszonych wymagane są algorytmy
działające szybko i przy minimalnym poziomie sygnalizacji. Konieczne są algorytmy,
które potrafią działać z reprezentatywną informacją, być skalowalne a jednocześnie
efektywne. W związku z tym został zaproponowany mechanizm coopetition, który
pozwala na wykorzystanie zalet konkurencji i współpracy i prowadzi do efektywnego
rozwiązania. Metodologia coopetition w radiokomunikacji wraz z propozycją gry
Cournot i gier koalicyjnych została zaproponowana w [12] oraz w [6]. Ponadto,
rozważana gra Cournot została zaprezentowana w [9] i [8].
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 24
3.2. Metoda coopetition i jej zastosowanie w radiokomunikacji
Coopetition – wprowadzenie
Coopetition jest neologizmem powstałym z połączenia angielskich słów
oznaczających współpracę (cooperation) i konkurencję (competition). Metoda
coopetition została zaproponowane w [17] i polega na stworzeniu wartości dodanej
przez współpracę a następnie jej rozdział przez mechanizmy konkurencyjne.
Przykładem coopetition są wysiłki producentów samochodów, którzy wspólnym
nakładem pracy doprowadzili do obniżenia kosztów tych samych części, a następnie
każdy z nich prowadził oddzielny proces sprzedaży swojego modelu (Citroen C1,
Peugeot 107 oraz Toyota Aygo) [18]. W klasycznym podejściu te trzy firmy tworzyłyby
wszystkie części oddzielnie. Coopetition jest stosowane w ekonomii, logistyce,
tworzeniu łańcuchów dostaw, złożonych systemach produkcyjnych.
W niniejszej pracy, coopetition zostało zaproponowane do współdzielenia
zasobów w systemach radia kognitywnego. W proponowanym rozwiązaniu zakłada
się, że nie ma centralnego zarządzania oraz ograniczoną wymianę informacji między
użytkownikami. Rozwiązanie składa się z czterech faz: faza przetwarzania wstępnego
(ang. pre-processing phase PRP), faza konkurencji (ang. competition phase ComP),
faza współpracy (ang. cooperation phase CooP) i faza przetwarzania końcowego (ang.
post-processing phase PPP). Schemat wykorzystania coopetition w OFDMA został
pokazany na rysunku 3.1.
Faza przetwarzania wstępnego
W fazie przetwarzania wstępnego następuje przygotowanie kluczowych danych
charakteryzujących graczy i warunki ich środowiska radiowego. Dane te
reprezentujące jakość łącza w obserwowanym kanale radiowym, priorytet transmisji i
jakość usług powinny być reprezentatywne i kompaktowe w celu minimalizacji ilości
informacji wymienianych przez graczy. Są one wykorzystane w kolejnych fazach
coopetition, w szczególności wymieniane są między wszystkimi użytkownikami i
wykorzystywane w fazie konkurencji.
Danymi wejściowymi do rozpoczęcia procedury alokacji zasobów jest dostępne
pasmo B oraz liczba G wykorzystywanych ortogonalnych kanałów, np.
podnośnychsystemu OFDM. Informacja o dostępnych zasobach może pochodzić z
(lokalnej) bazy danych, nasłuchiwania i być dostępna w lokalnym kanale rozsiewczym
lub za pomocą innych interfejsów. W proponowanym rozwiązaniu postuluje się
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 25
wykorzystanie koncepcji efektywnego SNR celem reprezentatywnego i kompaktowego
przedstawienia jakości kanałów radiowych wszystkich użytkowników. W związku z
tym każdy węzeł wykonuje algorytm lokalnego wypełniania wodą lub też przydziela
stałą moc na każdą podnośną i następnie oblicza efektywny SNR (eSNR) γeff,h za
pomocą następującego wzoru [19] wg metody EESM (eSNR mapping):
G
g
heff
hg
eG 1
,
,
1ln
, (3.1)
gdzie β jest parametrem optymalizacyjnym i zależy od schematu modulacji i
kodowania, γg,h jest wartością SNR na podnośnej g użytkownika h. Na tym etapie
każdy z użytkowników definiuje parametry jakości takie jak priorytet danych rh i
prawdopodobieństwo błędu Peh. Po ustaleniu wszystkich danych (γeff,h , rh, Peh) są one
wymieniane pomiędzy wszystkimi węzłami. Tak dostępna informacja jest dostępna
wszystkim użytkownikom i pozwala na rozegranie gry Cournot w fazie konkurencji.
Faza konkurencji
Gra Cournot prezentowana w tej pracy stanowi adaptację klasycznej gry do
systemu opartego na technice OFDMA. W pierwszym kroku gry Cournot, każdy z
Faza współpracy: tworzenie
koalicji i zajmowanie nonych
START
Faza przetwarzania
wstępnego: Obliczanie
efektywnego SNR
Faza konkurencji: gra Cournot
Faza przetwarzania
końcowego: alokacja mocy
KONIEC
eSNR
Przydzielone zasoby
Alokowane kanały
Wyklu
czo
ne
po
dn
on
e
Rys.3.1 Coopetition w OFDMA
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 26
węzłów oblicza efektywność widmową ηh dla każdego gracza wg następującego wzoru
[20]:
heffhh ,1log , (3.2)
gdzie dla schematów modulacji QAM:
h
h
Pe
2.0ln
5.1 . (3.3)
Następnie obliczana jest funkcja zysku dla każdego użytkownika Πh:
oo c)( hhhh or
, (3.4)
gdzie oh jest żądaną ilością pasma, które maksymalizuje funkcję zysku, natomiast c(o)
jest funkcją kosztu zależną od wektora o = (o1, …, oH) i liczby graczy H. Funkcja kosztu
dana jest wzorem:
h
hoYXoc , (3.5)
gdzie X odnosi się do stałego kosztu, Y odnosi się do kosztu zmiennego (kosztu
jednostkowego) oraz τ jest dodatkowym kosztem współdzielenia zasobów. Funkcja
zysku Πh jest funkcją wklęsłą (dla τ = 1) w związku, z czym, znalezienie rozwiązania
wymaga rozwiązania szeregu równań danych następującym wzorem:
0oh
h
. (3.6)
Ostateczne rozwiązanie (równowaga Nash’a) dane jest następującym wzorem (dla
τ = 1):
H
zh
h
1
T*zo . (3.7)
gdzie
Y
Xrz hh
h
(3.8)
Dla τ ≠ 1 wymagane są bardziej złożone metody numeryczne, które powodują
większe zużycie energii. W sytuacji, gdy każdy z użytkowników oblicza funkcję zysku
zależną tylko od siebie, wówczas rozwiązanie jest dane przez następujący wzór (nie
ma potrzeby zawężenia rozwiązania dla τ = 1):
01
dla 1
*
Y
Xr
Y
Xro hhhh
h. (3.9)
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 27
Każdy z węzłów oblicza wartości oh*, które maksymalizują funkcję użyteczności w
granicach optymalizacji:
Bohh *0 . (3.10)
Ograniczenia optymalizacji mogą być użyte w następujący sposób: optymalizacja z
ograniczeniami albo przez jedno z następujących podejść. Pierwsze podejście polega
na przeskalowaniu wartości oh* wg następującego algorytmu. W kroku pierwszym
otrzymane wartości oh* są ograniczane zgodnie z nierównością (3.10), a następnie
obliczana jest suma żądań wszystkich graczy D:
h
hoD *
(3.11)
W kolejnym kroku obliczana jest liczba podnośnych sh przydzielonych każdemu
użytkownikowi.
D
oGs h
hh
*
(3.12)
Takie podejście pozwala uniknąć sytuacji, w której nie wszystkie zasoby są
wykorzystywane (zbyt wysokie parametry funkcji kosztu lub zbyt niskie priorytety
użytkowników) oraz sytuacji, w której żądania przekraczają dostępne zasoby (zbyt
niskie parametry funkcji kosztu lub zbyt wysokie priorytety). W obu przypadkach
zostają wykorzystane wszystkie zasoby. Rozwiązanie to nazywano Cournot c (Cc).
Inną możliwością użycia gry Cournot jest adaptacyjne stosowanie parametrów funkcji
kosztu wg następującego algorytmu. Na początku ustalane są niskie parametry funkcji
kosztu i rozwiązywana jest gra. Jeśli żądania graczy przekraczają dostępne zasoby
wówczas adaptacyjnie dobierany jest parametr Y, a następnie parametr X, tak, aby
zapewnić jak najlepsze dopasowanie żądań graczy do dostępnego pasma oraz spełnić
ograniczenie (3.10). W ostatnim kroku następuje rozwiązanie gry dla ostatecznego
zestawu parametrów i przydział podnośnych wg wzorów (3.11) i (3.12). Algorytm
adaptacyjny nazywany jest Cournot a (Ca) i przedstawiony jest w Tabeli 3.1
Po opisie gry Cournot należy podać sposób jej wykorzystania. Pierwszym
wariantem, w jaki gra Cournot może zostać wykorzystana jest sposób opisany powyżej
(Cc lub Ca), który oznaczony jest C1c oraz C1a. Taki sposób powoduje, że zasoby
przydzielane są głównie użytkownikom z wyższymi priorytetami lub z lepszym
ogólnym stanem kanału, w związku z czym proponowane jest wprowadzenie
minimalnego poziomu otrzymanych zasobów, jaki może uzyskać użytkownik i który
jest wyższy niż założony ułamek zasobów osiąganych z równania (9) np. 0.5. Gra z
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 28
minimalnymi żądaniami nazywana jest Cournot 2 (C2c lub C2a) i zmniejsza
efektywność widmową przydziału przy jednoczesnym polepszeniu sprawiedliwości.
Ponieważ gra Cournot 2 może nie powodować dostatecznego zwiększenia
sprawiedliwości podziału proponuje się wykorzystanie przypadku monopolu (funkcja
kosztu zależy tylko od danego użytkownika). Gra rozwiązywana jest wg wzoru (3.9).
Dla parametru τ = 1 gra nazywana jest Cournot 3 (C3c lub C3a), dla τ = 2 Cournot 4
(C4c lub C4a), natomiast dla τ = 3 Cournot 5 (C5c lub C5a). Zwiększanie wartości
parametru τ powoduje zwiększenie sprawiedliwości podziału i zmniejszenie
efektywności widmowej.
Faza współpracy
W fazie współpracy konieczne jest ustalenie priorytetów dostępu do
przydzielonych podnośnych (wartości sh ), które odbywa może odbyć się wg
naturalnego porządku (użytkownik z najwyższą liczbą zasobów, tj. podnośnych,
zajmuje zasoby jako pierwszy, itd.), wg odwróconego porządku (użytkownik z
najmniejszą liczbą podnośnych zajmuje zasoby jako pierwszy, itd.) lub za pomocą gier
Tabela 3.1 Algorytm Cournot a
Step Step Description
1 Ustaw parametry X = 0, Y = 1
2 Rozwiąż grę
3
while (D > B)
Y = Y + 0.5
Rozwiąż grę
4 X1 = X, Y1 = Y, D1=D
5
if (Y > 1)
Y = Y – 0.5
Rozwiąż grę
6
while (D > B)
X = X + 0.5
Rozwiąż grę
7 X2 = X, Y2 = Y, D2=D
8
if (D1 ≥ D2)
X = X1, Y = Y1
else
X = X2, Y = Y2
9 Rozwiąż grę
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 29
koalicyjnych. W przypadku gier koalicyjnych każdy z użytkowników dysponuje
odpowiednią „siłą” wyrażaną przez ilość pozyskanych w fazie konkurencji zasobów sh.
Koalicje mogą być tworzone wg różnych sposobów. Proponowanym w niniejszej pracy
sposobem tworzenia koalicji są koalicje parlamentarne, których celem jest uzyskanie
minimalnej większości dającej zwycięstwo w głosowaniu. W ogólności możliwe jest
utworzenie Q koalicji (q = 1, …,Q), które mogą dawać większość lub nie. Rozważane
są koalicje, w których liczba przyznanych podnośnych pozostaje stała i nie zmienia się
(ang. non-interchangeable assets volume). Gracze nie mogą wymieniać nośnych między
sobą w zamian za uzyskanie lepszego priorytetu. Siła koalicji jest mierzona sumą
podnośnych wg następującego wzoru:
qSh hq sR . (3.13)
gdzie Sq jest zbiorem graczy w q-tej koalicji. Każdy gracz w zależności od posiadanej
ilości zasobów ma pewną elastyczność. Elastyczność jest mierzona ilością możliwych
wyborów podnośnych, tj. kombinacją hs ze zbioru dostępnych podnośnych. Gracze,
ktorzy uzyskali więcej podnośnych w fazie konkurencji mają mniejszą elastyczność niż
gracze posiadający mniej podnośnych. Podobnie koalicje mające mniejszą siłę są
bardziej elastyczne. Istotne jest, zatem osiągnięcie maksymalnej elastyczności dającej
pierwszeństwo przydziału zasobów, a więc minimalne przekroczenie połowy
dostępnych zasobów. Elastyczność q-tej koalicji, czyli liczba możliwych sposobów
wyboru podnośnych w q-tej turze, definiowana jest wg następującego wzoru:
!!
!
qqq
q
q
q
qRGR
G
R
GF
. (3.14)
gdzie Gq oznacza liczbę zasobów pozostałą do zajęcia. Gracze są zainteresowani
udziałem w zwycięskiej koalicji, gdyż takie zachowanie zapewni szybszy wybór
zasobów i większą elastyczność w ich wyborze.
Ostateczny algorytm formowania koalicji i wyboru podnośnych można
przedstawić w następujący sposób:
1. Rozważ wszystkie koalicje, które spełniają warunek Rq > 0.5 Gq.
2. Wybierz koalicję, która ma najwyższą elastyczność Fq, to jest koalicję, która
posiada najmniejszą siłę powyżej warunku z punktu 1.
3. Jeśli dwie lub więcej koalicji posiadają tę samą elastyczność i siłę, wówczas
wybierz tę, która ma najwyższy średnie eSNR.
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 30
4. Utwórz koalicję i rozdysponuj zasoby w niej od gracza posiadającego
najwyższą siłę i najwyższy eSNR lub od gracza posiadającego najwyższą
elastyczność.
5. Oznacz zajęte zasoby, jako jedynki i wróć do kroku 1.
Złożoność algorytmu wynosi 2H, stąd jest on efektywny dla nieiwelkiej ilości
graczy, np. 12 graczy. Gry koalicyjne pozwalają na wymieszanie użytkowników z
wysokim priorytetem i dobrym stanem kanału z użytkownikami posiadającymi te
parametry odpowiednio gorsze, co powinno zrównoważyć sprawiedliwość
przydziału.
Faza przetwarzania końcowego i wnioski
W ostatniej fazie przydzielana jest moc wykorzystywana przez poszczególne
podnośne na zasadzie lokalnego wypełnienia wodą. Każdy z użytkowników posiada
stałą moc, która jest dopasowywana do przydzielonych podnośnych, w związku, z
czym użytkownicy z niską liczbą podnośnych mogą poprawić swoją przepływność.
Inną opcją jest proporcjonalny przydział mocy dla każdego użytkownika w zależności
od liczby posiadanych podnośnych. Ostatnią opcją, która może zostać wykorzystana
jest stały przydział mocy na nośną.
Podsumowując, celem powyższych rozważań było stworzenie algorytmu
przydziału zasobów w małych i średnich sieciach rozproszonych, który pracuje przy
minimalnym poziomie sygnalizacji, uwzględnia kompaktowe i reprezentatywne
metryki o kluczowych parametrach systemu. Algorytm ten jest szybki (nisko złożony
obliczeniowo) i łatwy do zaimplementowania. Metodologia coopetition wraz z grą
Cournot i proponowanymi rozwiązaniami koalicyjnymi pozwala na spełnienie tych
wymogów oraz zapewnienie odpowiedniego kompromisu pomiędzy efektywnością i
sprawiedliwością przydziału zasobów.
3.3. Symulacje komputerowe gry Cournot oraz metodologii coopetition
Środowisko symulacyjne
Celem potwierdzenia możliwości gry Cournot oraz metody coopetition zostało
zdefiniowane następujące środowisko symulacyjne bazujące na sieciach kognitywnych
pracujących przy wykorzystaniu techniki OFDMA:
G = 300 podnośnych, 5 MHz kanał, odstęp pomiędzy podnośnymi 15 kHz
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 31
Kanał LTE [21] z następującymi parametrami:
o opóźnienia ścieżek: [0 30e-9 150e-9 310e-9 370e-9 710e-9 1090e-9
1730e-9 2510e-9];
o moc ścieżek: [0 -1.5 -1.4 -3.6 -0.6 -9.1 -7 -12 -16.9];
o częstotliwość Dopplera = 0, częstotliwość próbkowania: 1/7680000;
β = 30 do obliczania eSNR,
Parametry gry Cournot:
o docelowe prawdopodobieństwo błędu 10-4
o X = 0, Y = 1, (dla gry C c oraz jako początkowe parametry dla gry C
a),
o τ = 1 dla gier C1, C2 oraz τ = 1, 2 i 3 odpowiednio dla gier C3,C4, C5,
o rh = 1,
o zakres eSNR dla gry Cournot od 5 do 26 dB,
Średnia moc na 1 podnośną = 1,
Średni poziom szumu na podnośną 1/300,
Użytkownik dysponuje mocą proporcjonalną do przydzielonych zasobów i
stosuje algorytm lokalnego wypełniania wodą,
Liczba użytkowników = 8,
Metoda symulacji – Monte Carlo z 1000 przebiegów,
Wyniki zostały porównane przy pomocy efektywności widmowej b/s/Hz
oraz indeksu sprawiedliwości Jain’a [22],
Wyniki zostały porównane z algorytmami scentralizowanymi z pełną wiedzą
o stanie kanału dla wszystkich łączy: Round Robin, Max SNR oraz
algorytmem bazującym na schemacie arbitrażowym Nash’a (NBS).
Został rozważony scenariusz (wybrany) ze średnim SNR na użytkownika jako
wartością losową z przedziału od 5 do 26 dB, brak priorytetów,
Dla każdego scenariusza została użyta gra Cournot w następujących trybach:
C1c, C1a, C2c, C2a, C3c, C3a, C4c, C4a, C5c, oraz C5a.
Wyniki symulacji
W rozważanym scenariuszu zostały porównane efektywność widmowa i
sprawiedliwość podziału zasobów. Wyniki przedstawiono na wykresach 3.2 – 3.4.
Słupki na wykresach 3.3 – 3.4 odnoszą się odpowiednio do coopetition (gra Cournot
wraz z koalicjami), gra Courot z przydziałem zasobów użytkownikom od
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 32
najsilniejszego, gra Cournot z przydziałem zasobów użytkownikom od najsłabszego,
Round Robin, Max SNR, rozwiązanie bazujące na NBS.
Rozważany scenariusz pod względem doboru parametrów radiowych jest
zbliżonz do rzeczywistego środowiska. Dla wybranych trybów można osiągnąć
efektywność bliską Max SNR. Jeśli jednak zostaną wybrane parametry zwiększające
sprawiedliwość przydziału wciąż możliwe jest uzyskanie odpowiednio wysokiej
efektywności widmowej. Po dodaniu priorytetów można zauważyć, że spadają
efektywność widmowa i sprawiedliwość. Jest to związane z przyznawaniem zasobów
użytkownikom, którzy mają także gorsze warunki w kanale radiowym.
Reasumując wyniki osiągane przy zastosowaniu samej gry Cournot, jak również z
grą koalicyjną potwierdzają, że proponowane rozwiązania stanowią dobrą alternatywę
dla rozwiązań scentralizowanych. Co więcej, pozwalają na sterowanie efektywnością
widmową i sprawiedliwością przydziału, co można zaobserwować na wykresie 3.2,
gdzie kompromis pomiędzy tymi dwiema miarami jest doskonale widoczny.
Rys. 3.2 Kompromis pomiędzy efektywnością widmową a spawiedliwością przydziału
zasobów
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 33
Rys. 3.3 Porównanie efektywności widmowej
Rys. 3.4 Porównanie sprawiedliwości przydziału zasobów
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 34
4. Podsumowanie
W niniejszej pracy zostało rozważone zastosowanie teorii gier do współdzielenia
widma elektromagnetycznego w systemach radia kognitywnego. Rozważono
wykorzystanie teorii aukcji, jak również modeli opartych na konkurencji i współpracy.
Zdefiniowane zostały nowe modele gier pozwalające na efektywną i sprawiedliwą
alokację zasobów radiowych, które zostały zweryfikowane w sumulacjach
komputerowych. Do najważniejszych osiągnięć niniejszej rozprawy można zaliczyć:
Opracowanie nowych modeli aukcji kombinatorycznych obiektów
niejednorodnych, które pozwlają na efektywny przydział zasobów z TVWS dla
operatorów telekomunikacyjnych, jak również dla użytkowników innych
systemów.
Propozycja aukcji kombinatorycznych działających w czasie rzeczywistym, jak
również pozwalających na planowanie wykorzystania zasobów w przyszłości.
Przygotowanie wskazówek dla regulatorów dotyczących wdrożenia
proponowanych aukcji.
Definicja i analiza gry Cournot z pełną reprezentatywną informacją, która pozwala
na współdzielenie zasobów przez użytkowników wtórnych.
Opracowanie gry koalicyjnej, pozwalającej na określenie kolejności zajmowania
kanałów radiowych w zależności od liczby posiadanych kanałów.
Opracowanie modelu coopetition do wykorzystania w systemach radiowych,
bazująca na grze Cournot oraz proponowanej grze koalicyjnej, która pozwala na
zapewnienie efektywnego i sprawiedliwego przydziału zasobów do wszystkich
użytkowników oraz na sterowanie tymi dwoma parametrami. Model coopetition
może być praktycznie zastosowany z uwagi na minimalne wymagania, co do mocy
obliczeniowych oraz wymaganych informacji od innych użytkowników.
Przyszłe badania będą skoncentrowane na nowych algorytmach, które mogą zostać
wykorzystane w modelu coopetition, które będą możliwe do wykorzystania w
przypadku takich problemów jak kogntywny routing i sensing. Autor pracy skupi się
także na rozszerzeniu proponowanych modeli aukcyjnych oraz wykorzystaniu
nowych typów graczy mających zmienne żądania dotyczące zasobów widmowych
(np. dla potrzeb usług szerokopasmowych aplikacje, komunikacji między
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 35
urzadzeniami M2M i inne). Autor wierzy, że teoria gier, z sukcesem stosowana w
naukach ekonomicznych, pozwoli na rozwiązanie wielu interesujących problemów
badawczych w zakresie telekomunikacji bezprzewodowej.
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 36
Bibliografia
[1] “Cisco Visual Networking Index: Global Mobile Data Traffic Forecast
Update, 2011–2016, White paper,” 14 02 2012. [Online]. Available:
http://www.cisco.com/en/US/solutions/collateral/ns341/ns525/ns537/ns705
/ns827/white_paper_c11-520862.html .
[2] OFCOM, “Consultation on assessment of future mobile competition and
proposals for the award of 800MHz and 2.6GHz spectrum and related issues
Annex 6: Competition Assessment,” 2011.
[3] H. Bogucka, M. Parzy, P. Marquez, J. W. Mwangoka and T. Forde,
“Secondary Spectrum Trading in TV White Spaces,” IEEE Communications
Magazine, vol. 50, no. 11, pp. 121-129, 12 2012.
[4] M. Parzy and H. Bogucka, “On-line spectrum auctions in TV white spaces
for supporting mobile services - a practical manual,” Telecommunications Policy,
2012.
[5] M. Parzy and H. Bogucka, “'Policies and technology constraints for auctions
in TV White Spaces - a practical approach for LTE-A,” in International Symposium
on Wireless Communication Systems (ISWCS), Paris, 2012.
[6] M. Parzy and H. Bogucka, “Coopetition: practical methodology for efficient
sharing of radio resources in wireless networks,” in 4th International ICST
Workshop on Game Theory in Communication Networks (GAMECOMM), Paris, 2011.
[7] M. Parzy and H. Bogucka, “Non-identical objects auction for spectrum
sharing in TV white spaces — The perspective of service providers as secondary
users,” in IEEE Symposium on New Frontiers in Dynamic Spectrum Access Networks
(DySPAN), Aachen, 2011.
[8] M. Parzy and H. H. Bogucka, “Distributed Spectrum Allocation with the
Cournot Competition,” in European Signal Processing Conference (EUSIPCO-2010),
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 37
Aalborg, 2010.
[9] M. Parzy and H. Bogucka, “QoS support in radio resource sharing with
Cournot competition,” in 2nd International Workshop on Cognitive Information
Processing (CIP), Elba, 2010.
[10] M. Parzy and H. Bogucka, “Application of combinatorial auction to
spectrum sharing in cognitive radio (in Polish: 'Zastosowanie aukcji
kombinatorycznej do współdzielenia widma w radiu kognitywnym),”
Telecommunication Review (Przegląd Telekomunikacyjny i Wiadomości
Telekomunikacyjne), no. 5, 2012.
[11] M. Parzy and H. Bogucka, “Auction model for TVWS spectrum sharing
between mobile radio communication systems (in Polish: Podejście aukcyjne do
współdzielenia wolnych kanałów telewizyjnych przez systemy
radiokomunikacji ruchomej),” Telecommunication Review (Przegląd
Telekomunikacyjny i Wiadomości Telekomunikacyjne), no. 6, pp. 230-234, 2011.
[12] M. Parzy and H. Bogucka, “New coopetition methodology for resource
allocation in OFDMA,” in XIV Poznanskie Warsztaty Telekomunikacyjne (PWT-
2010), Poznan, 2010.
[13] “Deliverable 2.1 - European TV White Spaces Analysis and COGEU use-
cases,” COGEU (ICT-248560) - the European 7th Framework Programme project,
2010.
[14] U. Paul, A. Subramanian, M. Buddhikot and S. Das, “Understanding traffic
dynamics in cellular data networks,” in Proceedings of IEEE INFOCOM, 2011.
[15] C. Wong, R. Cheng, K. Letaief and R. Murch, “Multiuser OFDM with
Adaptive Subcarrier, Bit, and Power Allocation,” IEEE Journal on Selected Areas in
Communications, vol. 17, no. 10, pp. 1747-1758, 1999.
[16] T. Bonald, “A Score-Based Opportunistic Scheduler for Fading Radio
Channels,” in Proceedings of European Wireless, 2004.
M. PARZY — Algorytmy teorii gier dla współdzielenia zasobów radiowych w systemach radia kognitywnego 38
[17] A. M. Brandenburger and B. J. Nalebuff, Co-opetition: A Revolutionary
Mindset That Combines Competition and Co-operation:The Game Theory
Strategy That’s Changing the Game of Business, Doubleday Publication Press,
1996.
[18] “Coopetition (Wikipedia),” [Online]. Available:
http://en.wikipedia.org/wiki/Coopetition. [Accessed 08 10 2012].
[19] A. Kliks, A. Zalonis, I. Dagres, A. Polydoros and H. Bogucka, “PHY
Abstraction Methods for OFDM and NOFDM Systems,” Journal of
Telecommunications and Information Technology (JTIT), no. 3, 2009.
[20] A. Goldsmith and S.-G. Chua, “Variable rate variable power MQAM for
fading channels,” IEEE Transactions on Communications, vol. 45, no. 10, pp. 1218-
1230, 1997.
[21] 3GPP, “TS 36.101 V8.8.0,” 2009.
[22] R. C. D. a. H. W. Jain, “A Quantitative Measure of Fairness and
Discrimination for Resource Allocation in Shared Computer Systems,” DEC
Research Report TR-301, 1984.