انتخاب ايستگاه پايه در شبكه هاي دو- رده اي فمتوسل با رويكردي مبتني بر نظريه بازي

Base station selection in two-tier femtocell networks: A game-theoretic approach

تخصيص منابع همواره يكي از چالش‌هاي اساسي در طراحي شبكه‌هاي بي‌سيم سلولي بوده است. تخصيص مناسب منابع شبكه كه به بياني دقيق‌تر شامل انتخاب ايستگاه پايه مناسب و تخصيص پهناي باند كافي براي كاربران مي‌باشد، نقش مؤثري در كاهش تداخل، تأمين انتظارات و تضمين الزامات كيفيت سرويس كاربر ايفا مي‌كند. در اين مقاله، رويكردي مبتني بر چارچوب رياضي نظريه بازي براي حل مسأله انتخاب ايستگاه پايه در شبكه‌هاي بي‌سيم دو-رده‌اي فمتوسل ارائه مي‌شود. در رويكرد پيشنهادي ، رفتار رقابتي كاربران شبكه براي در اختيار گرفتن منابع مورد نياز به شكل يك بازي تكاملي فرمول‌بندي مي‌شود. در رويكرد پيشنهادي همچنين، احتمال انتخاب يك ايستگاه پايه، محاسبه بار سلولي هر ايستگاه پايه و تجزيه و تحليل احتمال رد تقاضاي كاربر از طرف ايستگاه پايه را محاسبه مي‌كنيم. رويكرد پيشنهادي ضمن بيشينه‌سازي نرخ گذردهي شبكه، الزامات كيفيت سرويس كاربران شبكه را نيز تأمين مي‌كند. در نهايت، يك الگوريتم غير متمركز يادگير مبتني بر يادگيري EXP3 براي همگرايي مسأله به تعادل تكاملي به عنوان پاسخ بازي ارائه مي‌شود. نتايج شبيه‌سازي نشان مي‌دهد كه روش پيشنهادي نيازهاي كيفيت سرويس كاربران شبكه را تأمين مي‌كند و عملكرد مطلوب را به دست مي‌آورد.

Resource allocation has always been one of the main challenges in the design of wireless cellular networks. Suitable resource allocation, more specifically that includes suitable base station selection and bandwidth allocation can play an effective role in interference mitigation and users’ quality of service requirement satisfaction. In this paper, a game theoretic approach is proposed to solve the BS selection problem in two-tier wireless femtocell networks. We formulate the competitive behavior of users as evolutionary game theory. We calculate the probability of a user choosing a BS, compute the cell load of each BS, and analyze the demand rejection probability of the user associated with the BS. The proposed approach maximizes network throughput as well as meeting the QoS requirements of the users. Finally, we propose a decentralized learning algorithm based on EXP3 algorithm to achieve the evolutionary equilibrium as the solution of the game. Simulation results show that the proposed approach achieves a desirable performance and guarantees users’ QoS requirements.