Resource Allocation in THz Unmanned Aerial Vehicles-based Heterogeneous Networks

2021 ◽  
Author(s):  
Toqa Reda Kamel ◽  
Dina Mohamed Sherif ◽  
Engy Maher ◽  
Ahmed El-Mahdy
Keyword(s):  
Resource Allocation ◽  
Unmanned Aerial Vehicles ◽  
Heterogeneous Networks ◽  
Aerial Vehicles

scholarly journals Resource allocation and service management in next generation 5G wireless networks

2019 ◽  
Author(s):  
Παναγιώτης Βαμβακάς
Keyword(s):  
Machine Learning ◽  
Resource Allocation ◽  
Unmanned Aerial Vehicles ◽  
Utility Theory ◽  
Service Management ◽  
Learning Automata ◽  
Expected Utility Theory ◽  
Visible Light Communications ◽  
Aerial Vehicles

Η παρούσα διδακτορική διατριβή πραγματεύτεται το πρόβλημα της βέλτιστης κατανομής πόρων και την πολύπλευρη διαχείριση υπηρεσιών σε ασύρματα δίκτυα 5ης γενιάς (5G). Βασικό αντικείμενο της εργασίας αποτελεί η βελτιστοποίηση της ποιότητας υπηρεσίας (Quality of Service) εντός του δικτύου τόσο στα πλαίσια της αύξησης της ενεργειακής αποδοτικότητας του δικτύου συνολικά, αλλά και λαμβάνοντας υπόψη την ετερογένεια μεταξύ των χρηστών ως προς τις απαιτήσεις της εκπομπής τους. Ειδικά σχεδιασμένες συναρτήσεις χρησιμότητας (utility functions) επιτρέπουν στους χρήστες να ποσοτικοποιούν διάφορες παραμέτρους της επικοινωνίας ζεύξης ανόδου (uplink communication) αντικατοπτρίζοντας την ικανοποίηση τους από την κατανομή των εκάστοτε πόρων (π.χ. ισχύς εκπομπής, ρυθμός μετάδοσης, κοστολόγηση κλπ.). Συγκεκριμένα, τα προβλήματα κατανομής πόρων μελετώνται υπό διαφορετικές τεχνολογίες αιχμής, τεχνικές πρόσβασης, αρχιτεκτονικές δικτύου και διακριτά είδη υπηρεσιών, υπό συνθήκες ανταγωνισμού των χρηστών ή σε αντίξοα περιβάλλοντα επικοινωνίας. Τα εκάστοτε προβλήματα μοντελοποιούνται ως μη συνεργατικά παίγνια τα οποία επιλύθηκαν με βάση τις αρχές της Θεωρίας Παιγνίων και Βελτιστοποίησης, παρέχοντας στους χρήστες τον βασικό έλεγχο της λήψης των αποφάσεων κατά την διάρκεια της εκπομπής τους. Με αυτόν τον τρόπο, επιτυγχάνεται η αποκέντρωση του συστήματος και η ισχυροποίηση του ρόλου των χρηστών στην διαδικασία της κατανομής πόρων και της βελτιστοποίηση της λειτουργίας του ασύρματου δικτύου. Σε κάθε περίπτωση, επιβεβαιώνεται η ύπαρξη του σημείου ισορροπίας κατά Nash (Nash Equilibrium) το οποίο αντιπροσωπεύει μια σταθερή έκβαση της κατανομής από την οποία κανένας χρήστης δεν επιθυμεί να παρεκλίνει. Παράλληλα, κατανεμημένοι αλγόριθμοι χαμηλής πολυπλοκότητας αναλαμβάνουν την σύγκλιση των παιγνίων στα ανωτέρω σημεία ισορροπίας. Πιο αναλυτικά, αρχικά ερευνήθηκε η κατανομή πόρων σε πολυεπίπεδα δίκτυα με χρήση μάκρο και φεμτοκυψελών (macro and femtocells) με τα προβλήματα να επεκτείνονται σε πιο ευρείες και σύνθετες κατανομές της ισχύος εκπομπής και του ρυθμού μετάδοσης για διαφορετικά είδη υπηρεσιών. Επίσης μελετήθηκε το πρόβλημα της κατανομής ισχύος και οπτικών σημείων πρόσβασης για επικοινωνίες ορατού φωτός (Visible Light Communications) για διαφορετικές τεχνικές πρόσβασης. Εν συνεχεία, αναλύθηκε το πρόβλημα της εξατομικευμένης κοστολόγησης της εκπομπής των χρηστών. Βασική καινοτομία της εν λόγω προσέγγισης, αποτελεί η παραδοχή ότι η εκάστοτε τιμή συνιστά έναν ακόμη πεπερασμένο πόρο προς κατανομή, σε αντίθεση με την βιβλιογραφία στην οποία αντιμετωπίζεται ως μια εξωτερική ποινή που επιβάλλεται από τον διαχειριστή ώστε να μειωθούν οι παρεμβολές εντός του δικτύου. Το πρόβλημα μελετάται για διαφορετικούς συνδυασμούς πόρων (ισχύος εκπομπής ή / και ρυθμού μετάδοσης) για ποικίλα σενάρια κοστολόγησης. Συνακόλουθα, το πρόβλημα εξετάστηκε υπό συνθήκες ανταγωνισμού των παρόχων υπηρεσίας, οι οποίοι προσαρμόζοντας τις πολιτικές και τα επίπεδα των τιμών, επιδιώκουν την απόκτηση μεγαλύτερων μεριδίων αγοράς. Οι χρήστες μοντελοποιούνται και λαμβάνουν αποφάσεις ως μανθάνοντα αυτόματα (learning automata) υπό τις αρχές της Νοημοσύνης των Μηχανών (Machine Learning), αυτοματοποιώντας έτσι την βέλτιστη επιλογή του παρόχου. Η παρούσα διατριβή επίσης διερευνά τα προβλήματα της δυναμικής σύνθεσης υπηρεσιών (service bundling) και κατανομής πόρων μέσω του σχεδιασμού συνεργατικών τηλεπικοινωνιακών προϊόντων, τα οποία καθορίζονται αυτόνομα από τους χρήστες. Παράλληλα, μελετήθηκε η βέλτιστη ασύρματη φόρτιση της μπαταρίας των χρηστών με κριτήριο τις ενεργειακές ανάγκες των χρηστών από την επικείμενη εκπομπή τους. Ολοκληρώνοντας, στην διδακτορική αυτή διατριβή, το πρόβλημα της κατανομής πόρων αντιμετωπίζεται συνολικά μέσω μίας καινοτόμου και ρεαλιστικής προσέγγισης υιοθετώντας την χρήση της Θεωρίας Προοπτικής (Prospect Theory), η οποία ανατρέπει την έως τώρα επιλογή της Θεωρίας Αναμενόμενης Χρησιμότητας (Expected Utility Theory) σε θέματα κατανομής πόρων. Για πρώτη φορά στην σχετική βιβλιογραφία, τα προβλήματα διατυπώνονται ενσωματώνοντας την υποκειμενικότητα των χρηστών στην λήψη αποφάσεων όταν επικρατούν συνθήκες αβεβαιότητας, ενώ ταυτόχρονα για πρώτη φορά εισάγεται η συνθήκη της πιθανής κατάρρευσης του εύρους ζώνης λόγω της υπέρμετρης χρήσης του εντός του δικτύου. Το ανωτέρω πλαίσιο υλοποιείται για διαφορετικά σενάρια (συνδυασμός αδειοδοτημένου και μη εύρους ζώνης, ταυτόχρονη εκπομπή μέσω πολλαπλών τεχνικών πρόσβασης), ενώ επιπλέον αναλύεται η κατανομή πόρων και η ασφάλεια (network security) σε δίκτυα δημόσιας ασφάλειας (Public Safety Networks) με αξιοποίηση μη επανδρωμένων αεροσκαφών (Unmanned Aerial Vehicles).

scholarly journals Resource Allocation for Machine-to-Machine Communications with Unmanned Aerial Vehicles

2016 ◽  
Author(s):  
Mehdi Naderi Soorki ◽  
Mohammad Mozaffari ◽  
Walid Saad ◽  
Mohammad Hossein Manshaei ◽  
Hossein Saidi
Keyword(s):  
Resource Allocation ◽  
Unmanned Aerial Vehicles ◽  
Machine To Machine ◽  
Aerial Vehicles

scholarly journals Efficient Resource Allocation for Backhaul-Aware Unmanned Air Vehicles-to-Everything (U2X)

Sensors ◽  
2020 ◽  
Vol 20 (10) ◽  
pp. 2994 ◽  
Author(s):  
Takshi Gupta ◽  
Fabio Arena ◽  
Ilsun You
Keyword(s):  
Resource Allocation ◽  
Monte Carlo ◽  
Unmanned Aerial Vehicles ◽  
Optimal Number ◽  
Maximum Amount ◽  
Minkowski Distance ◽  
Aerial Vehicles ◽  
Efficient Resource ◽  
Considerable Impact ◽  
Mutual Agreement

Unmanned aerial vehicles (UAVs) allow better coverage, enhanced connectivity, and elongated lifetime when used in telecommunications. However, these features are predominately affected by the policies used for sharing resources amongst the involved nodes. Moreover, the architecture and deployment strategies also have a considerable impact on their functionality. Recently, many researchers have suggested using layer-based UAV deployment, which allows better communications between the entities. Regardless of these solutions, there are a limited number of studies which focus on connecting layered-UAVs to everything (U2X). In particular, none of them have actually addressed the aspect of resource allocation. This paper considers the issue of resource allocation and helps decide the optimal number of transfers amongst the UAVs, which can conserve the maximum amount of energy while increasing the overall probability of resource allocation. The proposed approach relies on mutual-agreement based reward theory, which considers Minkowski distance as a decisive metric and helps attain efficient resource allocation for backhaul-aware U2X. The effectiveness of the proposed solution is demonstrated using Monte-Carlo simulations.

scholarly journals Mobile Edge Computing for UAVs

2021 ◽  
pp. 65-80
Author(s):  
Yan Zhang
Keyword(s):  
Resource Allocation ◽  
Unmanned Aerial Vehicles ◽  
Performance Optimization ◽  
Wind Farm ◽  
Edge Computing ◽  
Computation Offloading ◽  
Mobile Edge Computing ◽  
Aerial Vehicles

AbstractThis chapter studies mobile edge computing (MEC) networks assisted by unmanned aerial vehicles (UAVs). According to the application scenarios, we consider three roles for UAVs in MEC networks: exploiting MEC computing capabilities, serving as a computing server, and serving as a relay for computation offloading. Furthermore, the details for resource allocation and optimization are presented in the three scenarios of UAV-assisted MEC networks. In addition, we focus on the situation in which a UAV not only functions as an MEC server to inspect turbines on a wind farm, but also performs task computation. To facilitate wide applications of UAV-assisted MEC in practice, this chapter highlights the main implementation issues of UAV-assisted MEC, including optimal UAV deployment, wind models, and joint trajectory–computation performance optimization.

Development of thickened semi-synthetic engine oil M-5z / 20 AERO for four-stroke gasoline engines aircraft piston of unmanned aerial vehicles (UAVs)

2020 ◽  
Vol 06 ◽  
pp. 44-47
Author(s):  
A.A. Moykin ◽  
◽  
A.S. Medzhibovsky ◽  
S.A. Kriushin ◽  
M.V. Seleznev ◽  
...  
Keyword(s):  
Unmanned Aerial Vehicles ◽  
Engine Oil ◽  
Motor Oil ◽  
Gasoline Engines ◽  
State Research Institute ◽  
Technical Requirements ◽  
Aerial Vehicles ◽  
State Research ◽  
Industrial Batch ◽  
The Russian Federation

Nowadays, the creation of remotely-piloted aerial vehicles for various purposes is regarded as one of the most relevant and promising trends of aircraft development. FAU "25 State Research Institute of Chemmotology of the Ministry of Defense of the Russian Federation" have studied the operation features of aircraft piston engines and developed technical requirements for motor oil for piston four-stroke UAV engines, as well as a new engine oil M-5z/20 AERO in cooperation with NPP KVALITET, LLC. Based on the complex of qualification tests, the stated operational properties of the experimental-industrial batch of M-5z/20 AERO oil are generally confirmed.

Sign in / Sign up

Export Citation Format

Share Document