تخصیص کارای توان الکتریکی در شبکه های دسترسی رادیویی ابری با رویه انتخاب فناوری

در این مقاله، ما یک روش تخصیص بهره ور منابع با رویکرد اقتصادی را که در آن یک mno با تعدادی از mvno ها با یک مدل تجاری از پیش تعیین شده در تعامل هستند را بر مسیر فراسو یک شبکه بی سیم مجازی چند سلولی با معماری c- ran در نظر می‌گیریم. در هر سلول از این شبکه، دو نوع فناوری، شامل ofdma و massive mimo با قیمت‌های متفاوت برای عرضه به mvnoها توسط mnoموجود می‌باشد. روش پیشنهادی در واقع رویه انتخاب مناسب فناوری دسترسی چندگانه (matsa) از میان دو نوع فناوری فوق با هدف کاهش هزینه های عملیاتی و به حداکثر رساندن سود mvnos تحت یک مجموعه از قیود کمی و کیفی است. فرمول بندی این روش از تخصیص منابع، با یک تابع مطلوب جدید ارائه شده است. با توجه به وجود متغیرهای پیوسته و دودیی در مساله و همچنین تداخل بین سلولی در توابع نرخ داده، این مساله بهینه سازی از نوع غیر محدب با پیچیدگی محاسباتی بسیار بالا خواهد بود. برای حل این مساله، با استفاده از برنامه نویسی هندسی مکمل (cgp) و تقریب محدب متوالی (sca)، یک الگوریتم تکرار شونده دو مرحله ای موثر برای تبدیل مساله بهینه سازی به دو زیر مساله برای یافتن فناوری و هزینه بهینهِ هر کاربر را توسعه داده‌ایم. نتایج شبیه سازی نشان می دهد که روش پیشنهادی ما (matsa) از نظر افزایش کل بهره‌وری انرژی، کارآمدتر از سیستم‌های مجهز با یک نوع فناوری است بطوری که سود mvno ها بیش از 13 درصد در مقایسه با قبل افزایش یافته است.

power efficient allocation in c-ran with multi access technology selection approach

: in this paper, we consider an uplink economy efficient resource allocation in a multicellular virtual wireless network with a c ran architecture where a mno interacts with a number of mvnos with a predetermined business model. in each cell of this system, two types of multiple access technologies, namely ofdma and massive mimo, are available for mvno at two different prices. in this setup, we propose a multi access technology selection approach (matsa) with the objective to reduce operating costs and maximize the profit of the mvnos subject to a set of constraints, and formulate this resource allocation problem with the new utility function. due to the existence of continuous and binary variables in the formulated optimization problem and also the interference between cells in data rate functions, this optimization problem will be non convex with very high computational complexity. to tackle this problem, by applying the complementary geometric programming (cgp) and the successive convex approximation (sca), an effective two step iterative algorithm is developed to convert the optimization problem into two sub problems with the aim to find optimum technology selection and power consumption parameters for each user in two steps, respectively. the simulation results demonstrate that our proposed approach (matsa) with novel utility function is more efficient than the traditional approach, in terms of increasing total ee and reducing total power consumption. the simulation results illustrate that the profit of the mvnos is enhanced more than 13% compared to that of the traditional approach.