导读:本文包含了资源分组算法论文开题报告文献综述及选题提纲参考文献，主要关键词:认知无线电,群智能算法,资源分配,滤波器组
资源分组算法论文文献综述
廉昱晴,刘彦隆[1]（2019）在《分组比例公平M-GSO优化的FBMC认知无线电资源分配算法》一文中研究指出多用户混合业务的多载波认知无线电系统中,考虑频谱感知错误的实际情况,将分组比例公平思想融入资源分配中,提出一种改进群智能优化算法。该算法针对混合型业务,确保不同用户公平性以及基于滤波器组多载波(FBMC)技术前提下,引入状态因子,以最大化认知无线电系统吞吐量为目标,利用改进群智能算法合理分配系统资源。比较FBMC和OFDM的认知无线电系统,仿真分析表明,该算法在对授权用户通信影响很小的情况下,系统容量优于OFDM的认知无线电系统容量,且确保用户的公平,同时满足混合业务的QoS需求。(本文来源于《现代电子技术》期刊2019年01期）
孙琦,陈桂芬[2]（2018）在《基于D2D分组的二次选择资源分配算法》一文中研究指出为了降低D2D系统的中断概率以及提高系统中所有用户的有效连通率。在设置最低通信要求的情况下,提出一种基于D2D分组的二次选择资源分配算法。首先根据功率检测步骤检测D2D用户,对D2D用户采取比例公平策略选取最优集。把不通过的D2D用户集采取重新分组的形式进行复用选取,通过推广的功率检测算法选取出最优集。最后把最优集合并得到最终复用集。仿真分析表明,所提出算法在系统吞吐量变化较小的情况下使系统在多D2D用户数时的上行连通率平均提高了11.2%,下行连通率平均提高了13%。(本文来源于《长春理工大学学报(自然科学版)》期刊2018年06期）
杨季,周朋光[3]（2018）在《超密集网络中基于簇内用户分组的资源分配算法》一文中研究指出针对超密集网络中同层干扰和资源管理的问题,提出一种基于簇内分组的资源分配算法.该算法分为两个模块:第一模块是在FBS(Femtocell Base Station)分簇的基础上,再进行FUE(Femtocell User Equipment)组群的分割;第二模块是在为组群分配最优信干噪比资源的前提条件下,按照组内用户优先级为用户择优分配资源.仿真表明,该算法在兼顾了FUE需求的同时,有效地减小了超密集网络中同层干扰,提升了FUE的吞吐量和频谱效率,改善了系统的整体性能.(本文来源于《微电子学与计算机》期刊2018年04期）
李浪,刘波涛[4]（2018）在《Surge:一种新型、低资源、高效的轻量级分组密码算法》一文中研究指出目前,适合资源约束的轻量级密码算法已成为研究热点。提出一种低资源、高性能与高安全性的新轻量级分组密码算法Surge。Surge密码分组长度为64位,使用64位、80位和128位3种密钥长度,且基于SPN结构。轮函数分为5个模块,密钥扩展模块采用无扩展方式;轮常数加模块采用0到15的数字组合成轮常数,构造高效且高度混淆的轮常数加变换;列混合模块利用易于硬件实现的(0,1,2,4)组合矩阵,从而可以在有限域GF(24)上构造硬件实现友好型矩阵。将Surge算法在FPGA上进行了实现,实验结果表明,相对于目前SPN结构的轻量级密码算法,Surge算法占用的面积资源更小,同时有着良好的加密性能;安全性实验证明了Surge可以有效抗差分与线性攻击、代数攻击。(本文来源于《计算机科学》期刊2018年02期）
陈爱国,王玲,任金胜,罗光春[5]（2017）在《基于资源分组的多约束云工作流调度算法》一文中研究指出已有的云工作流调度算法采用全局搜索方式进行资源选取,存在计算成本高、对大规模云系统适应性差的问题。该文提出了基于资源分组的多约束云工作流调度算法,采用有向无环图的方法,对云工作流中的多任务之间的执行顺序和数据交换等属性进行量化建模;使用模糊聚类方法实现基于资源多维特征的分组处理,降低工作流任务到资源匹配过程中的搜索空间;并引入执行时间和成本预算约束,将工作流的任务调度问题转化为有约束条件的极小极大问题进行快速求解。仿真测试表明,该算法显着降低了任务执行完成时间和成本。(本文来源于《电子科技大学学报》期刊2017年03期）
张祖凡,王立沙,陈美铃[6]（2017）在《基于D2D对分组的TDD系统资源分配算法》一文中研究指出针对TDD系统中多个D2D用户复用一个蜂窝用户下行信道资源,在最大化系统吞吐量的目标下,提出一种D2D对分组资源分配算法,该算法由3部分组成:1)根据信道数确定D2D对分组数,按D2D对间距确定分组中心,并将余下D2D对按其对组内D2D用户通信中断概率影响程度划分到对应分组;2)通过比较D2D对分组与蜂窝用户干扰影响强度,利用匹配算法为D2D对分组寻找相应蜂窝用户资源并复用;3)进一步根据蜂窝用户和D2D用户QOS要求,去掉组内干扰较大D2D对,从而得到最终复用蜂窝用户资源的D2D对.仿真分析表明:所提出算法既能允许系统接入较多D2D对,还能提高系统吞吐量.(本文来源于《计算机研究与发展》期刊2017年05期）
张丽园,白明明[7]（2015）在《基于分组的移动P2P资源搜索算法研究》一文中研究指出移动P2P(Mobile P2P)技术是随着近年来无线网络的兴起而发展起来的新兴研究领域,主要集中在系统结构、资源搜索以及数据共享等技术方面。本文提出了基于分组的移动P2P资源搜索算法(RSBG),由该算法得出的仿真结果可知:RSGB资源搜索算法提高了文件查找的效率,缩短了查找时长,增大了搜索的成功率。(本文来源于《科技广场》期刊2015年10期）
李多一[8]（2014）在《基于子载波分组多用户OFDM资源分配算法》一文中研究指出OFDM (Orthogonal Frequency Division Multiple,正交频分复用)技术是第四代移动通信LTE系统的核心技术之一,与CDMA2000等第叁代移动通信技术相比,它有更高的数据信息传输速度。OFDM技术的基本原理是将一条串行的高速传输比特流转换成多条并行的低速传输比特流,并将这些数据调制到不同的相互正交的子载波上。这种新型传输方式能够充分扩展符号脉冲宽度,提高发射信号抗多径干扰及其他多种恶劣传输条件的性能。目前,多用户OFDM系统中的资源分配问题已经得到了广泛研究,包括在速率约束条件下最小化发送功率的子载波、速率和功率分配方法,在功率约束条件下最大化系统吞吐量的子载波、速率和功率分配方法,基于公平性的在功率约束条件下最大化系统加权和容量的资源分配方法等等。以上方案均以单个子载波为基本单位来进行资源分配。然而为降低基站的计算复杂度和用户反馈量,在实际系统中,OFDM的子载波常被组合为子载波组进行资源分配,即将子载波组作为最小单位分配给不同用户,每个子载波组内的所有子载波只能被分配给同一个用户。由于相邻子载波的信道增益具有较大关联性,因此在资源分配当中若干相邻子载波可以被看作一个整体被分配给同一个用户。但是现有的资源分配方案,都没有考虑将系统的反馈方案与子载波分组的资源分配方法结合起来。所有子载波的信道信息都需要被反馈给基站,当子载波数目比较多时,需要反馈的信道信息数据量可能会很大,导致网络传输资源的浪费。本论文将子载波分组技术应用于OFDM系统资源分配算法和信道增益的反馈方案当中,在资源分配中兼顾了用户的公平性。系统以子载波组为最小单位进行资源分配,可以大大减小资源分配的计算复杂度。在进行信道增益反馈时,每个子载波组只反馈部分子载波的信道信息,能够有效减少系统整体的反馈量。(本文来源于《南京大学》期刊2014-05-01）
张丽园[9]（2012）在《基于分组的移动P2P资源搜索算法研究》一文中研究指出近年来,随着移动无线网络的迅速普及、各种移动终端的层出不穷,移动无线网络呈现一种飞速发展的趋势。同时,P2P技术在传统有线网络中也得到广泛应用,例如分布式计算、文件共享、视频播放、IP层语音通话、游戏网络平台等,几乎深入到了人们生活的各个方面。因此,越来越多的研究机构对移动P2P网络的研究也逐渐活跃起来。移动P2P网络也称为移动对等网络,所有将P2P应用于无线网络的技术都可以归为这一领域。目前,移动P2P的研究主要集中在系统结构,数据分发,搜索资源,安全性和保密性问题,传输的可靠性等。其中,研究最多的是搜索算法。目前移动P2P资源搜索算法的设计主要从两方面入手：一是通过改进现有的传统P2P资源搜索算法,使之适应于移动环境；二是设计全新的协议用于移动P2P资源搜索。但是目前的研究始终存在一些问题,并没有出现一个很成熟的方案。其主要原因便是移动无线网络的高度动态性、网络拓扑结构变化频繁、移动终端设备存储能力有限等移动无线网络特性,使得移动P2P网络性能差,节点失败率高,延长了数据查询时间,数据传输效率低下,导致资源搜索效率低下。本文提出了一种基于分组的移动P2P资源搜索策略,该算法是以Chord算法和泛洪算法为基础,根据节点查询的兴趣主题的不同,将节点分为不同的组。每个组由普通节点和超级节点组成。超级节点主要由组中性能较高、存储及处理能力较强、状态较为稳定的节点充当。组间通过超级节点组成Chord环,实现组间资源共享。组内节点间通过集中式拓扑方式进行资源共享。因此,整个系统组成一个双层的网络拓扑结构。同时,根据网络的环境的动态性,动态调整系统TTL。仿真结果显示,本算法缩短了文件请求时间,提高了资源搜索的成功率。(本文来源于《南昌大学》期刊2012-05-29）
曹仰杰,钱德沛,伍卫国,董小社[10]（2012）在《众核处理器系统核资源动态分组的自适应调度算法》一文中研究指出针对众核处理器系统的核资源优化使用问题,提出了一种支持核资源动态分组的自适应调度算法CASM(core-partitioned adaptive scheduling for many-core systems).该算法通过对任务簇的拆分与合并,动态构建可弹性分区的核逻辑组,实现核资源的隔离优化访问.为了平衡核资源利用率及任务调度效率,CASM算法针对任务簇间和簇内的不同特点,分别采用公平性较好的均衡调度算法和资源利用率较高的自适应调度算法.在线竞争理论分析表明,CASM算法的任务执行时间在线竞争比为常数2,其性能可扩展性较好.实验结果表明,与WS(work-stealing),AGDEQ(adaptive greedy dynamic equi-partitioning)和EQUI?EQUI算法相比,CASM算法使任务集运行时间分别减少了近46%,32%和15%.在相同能耗情况下,CASM算法大幅度地提升了系统吞吐量.(本文来源于《软件学报》期刊2012年02期）
资源分组算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了降低D2D系统的中断概率以及提高系统中所有用户的有效连通率。在设置最低通信要求的情况下,提出一种基于D2D分组的二次选择资源分配算法。首先根据功率检测步骤检测D2D用户,对D2D用户采取比例公平策略选取最优集。把不通过的D2D用户集采取重新分组的形式进行复用选取,通过推广的功率检测算法选取出最优集。最后把最优集合并得到最终复用集。仿真分析表明,所提出算法在系统吞吐量变化较小的情况下使系统在多D2D用户数时的上行连通率平均提高了11.2%,下行连通率平均提高了13%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
资源分组算法论文参考文献
[1].廉昱晴,刘彦隆.分组比例公平M-GSO优化的FBMC认知无线电资源分配算法[J].现代电子技术.2019
[2].孙琦,陈桂芬.基于D2D分组的二次选择资源分配算法[J].长春理工大学学报(自然科学版).2018
[3].杨季,周朋光.超密集网络中基于簇内用户分组的资源分配算法[J].微电子学与计算机.2018
[4].李浪,刘波涛.Surge:一种新型、低资源、高效的轻量级分组密码算法[J].计算机科学.2018
[5].陈爱国,王玲,任金胜,罗光春.基于资源分组的多约束云工作流调度算法[J].电子科技大学学报.2017
[6].张祖凡,王立沙,陈美铃.基于D2D对分组的TDD系统资源分配算法[J].计算机研究与发展.2017
[7].张丽园,白明明.基于分组的移动P2P资源搜索算法研究[J].科技广场.2015
[8].李多一.基于子载波分组多用户OFDM资源分配算法[D].南京大学.2014
[9].张丽园.基于分组的移动P2P资源搜索算法研究[D].南昌大学.2012
[10].曹仰杰,钱德沛,伍卫国,董小社.众核处理器系统核资源动态分组的自适应调度算法[J].软件学报.2012