认知无线电算法分析的博弈模型外文翻译译文(编辑修改稿)

认知无线电算法分析的博弈模型外文翻译译文(编辑修改稿)内容摘要：

价值。 如果允许无线电台混合使用其战略，即，如果一台无线电台在行动策略 ai和 bi之间允许存在随机备用策略，然后移除条件 （ 3） ， 并可以放宽条件 （ 2） 的凸度要求。 有限行动空间将满足这个放宽的条件。 这些宽松的条件被称为纳什定点定理。 识别稳定状态 对其自身而言，证 明一个博弈具有稳定状态不是很有用，因为它没有提供洞察该算法的预期行为。 这就是稳态需要识别的原因。 但是，没有引入更先进的博弈模型，如潜在博弈模型，正常的博弈模型不能提供识别纳什均衡任何工具。 事实上 ,用来识别行动向量 *a （纳什均衡点） ，分析者必须应用式 (1),确认所有可能源于 *a 的 单边偏差，也不能改善损害决策者的利益 —— 一个多项式时间的问题。 然后找 5 出在一次博弈中所有可能的稳定状态 , 对这次博弈中所有可能的行动向 量组，必须重复这个过程 ,使纳什均衡问题的化。 事实上 ,当试图识别在一次博弈里所有纳什均衡点 ,分析师们借助仿真来实现 ——我们专注于最小化的 步骤。 例如 ,联合功率自适应系统建模的 GPRS网络有 4个纳什均衡点 , 尽管建模系统 [5]中只有 7个决策者，依靠着一个详尽 的 仿真也 要 花费数天才 能 完成。 确定稳定状态可取性 虽然识别一个行动向量是否具有一个 “ 好 ” 的稳态有很多不同的方式，但我们遇到最典型的技术是证明这个行动向量是 帕雷托 最优，就像文献提到的那样。 一个行动向量 *a ,假如不存在其他的行动向量，则它是 帕雷托 最优 的 ,用数学表达式表示为 ,aA 则*( ) ( ),iiu a u a i N  。 虽然证明稳态是 帕雷托 最优 的 ， 这看上去 似乎是一个不错的结果 ,但事实上 ,帕雷托最优是一个很弱的概念，分析者从中仅能得到稳态可取性的很少信息。 这一点可通过两个简洁的分析来说明 ,一个是分布式功率控制的例子和另一个是检查呼叫接纳的问题。 信息干扰噪声比（ SINR）最大化的功率控制 考虑一个中心接收机的单一群 DSSS 网络 ，中心接收机外的所有节点正调整其发射功率标准以试图最大限度地测量接收信号干扰加噪声比 （ SINR）。 在这里，我们的决策者集合是群中的节点（除中心接收机以外）；行动集合是可用的功率标准（大概是数量有限的功率标准）。 而所有决策者的效用函数由式 （ 2） 表示 ])/1/ [()( \   iNk kkiii phkphpu （ 2） 其中ip为 i 节点的发射功率， k 是扩频因子的统计估计，ih是从节点接收增益（大概不到 1）， σ 是接收机的噪声功率。 这次博弈的唯一的纳什均衡是所有节点以最大功率传输的功率矢量。 显然，这是一个非理想的结果为： 1. 由于远近效应的问题（除非节点是在距接收机相同的半径），能力大大减弱 ； 2. 产生 SINR 是不公平的分配（最接近的节点的 SINR 远远优于最远的节点） ； 3. 电池寿命将大大缩短。 6 然而，这一结果将是 帕雷托 最优的，由于任何更公平的功率分配将减少最接近的节点的效用，任何不太公平分配将减少弱势节点的效用。 在这种情况下， 帕雷托 最优实际上误导分析者关于这方面 的结果是可取性。 呼叫接入 现在，假设节点要求 的是来 自一个网络而来的数据带宽，而这个网络是在先到先得基础上分配网络带宽的。 在这里，我们决策者群是请求节点的带宽。 行动是每个节点可以请求的量化带宽。 我们可以假设效用函数是接受数据带宽的单调函数（带宽越宽越好）。 我们由此将引入另一个博弈模型，这个模型并不能同时满足所有的要求。 这次，虽然对该模型复杂性的了解已对该结果得 帕雷托 最优含义的理解病不是那么不重要，但所依赖的场景仍是以广泛形式博弈模型的最佳建模。 在稳定状态中，每个先到达的节点将获得尽可能多的带宽。