2022.05.27 

The Role of Communication Time in the Convergence of Federated Edge Learning      下载链接    

总结：将通信时间成本建模为一个关于单个设备的响应时间分布和客户端数量的函数，提出的算法可自动确定参与联邦边缘学习的客户端数量。
借鉴：①可借鉴该论文的通信代价函数，考虑的通信条件较全面。      ②建立了通信时间对模型精度性能的影响。

2022.06.04 

Task-Container Matching Game for Computation Offloading in Vehicular Edge Computing and Networks       下载链接

总结：这篇论文考虑利用停放车辆(PV)未充分利用的计算资源来增强边缘车辆网络的资源容量，并采用容器化技术改进PV的任务执行过程，使任务执行过程实现快速启动、更少的硬件开销和安全的资源隔离。为此，该论文引入了任务容器匹配市场，以提供按需卸载服务。考虑到停车行为和资源可用性，论文中测量PV的可用性以选择合适的PV进行可靠和高效的任务处理。根据效用函数，通过最佳响应分析，建立了任务容器匹配市场中请求者和执行者的偏好模型。最后，论文中应用匹配博弈方法来处理任务和部署在PV中的容器之间的关联。
借鉴：通过该论文，可以学习有空闲资源的车辆帮助有任务处理需求的车辆处理任务的场景，并学习到容器化技术在该场景中的辅助作用。此外，论文中提出的构建请求者和执行者偏好集的算法以及多对多匹配算法值得我们借鉴和学习。

2022.06.14

Multiuser Computation Offloading and Resource Allocation for Cloud–Edge Heterogeneous Network      下载链接  

总结：本文研究了具有多个独立任务的云边缘异构网络系统的计算卸载、缓存决策、传输功率分配和CPU频率分配的联合问题，并针对最小化执行延迟和能耗的加权和成本，且保证任务的传输功率和CPU频率约束以及计算资源和每个接入点的缓存容量的约束的问题提出了一种基于强化学习和序列二次规划的两级交替方法框架。
贡献：本文综合考虑云边缘异构网络中计算卸载、缓存决策和传输功率、CPU频率分配的联合问题，未来可以就用户在任务卸载和数据缓存期间的快速移动进一步研究。

2022.09.02 

Backhaul-Aware Storage Allocation and Pricing Mechanism for RSU-Based Caching Networks       下载链接 

总结：多个内容提供商要租用一个路边单元的缓存容量放置内容来减少内容交付时间，采用基于迭代的双边拍卖机制来计算内容提供商的最佳存储分配和相应的支付金额，来最大化社会福利。
借鉴：首先，构建双边拍卖的效益函数的方法可以借鉴；其次，最大化社会福利的问题构造为拉格朗日函数，并用KKT条件进行求解拉格朗日乘子，这是将有约束条件问题转化为无约束条件问题的很好的方法；最后，用次梯度下降方法更新拉格朗日乘子，并设计迭代算法更新买卖双方的出价策略，次梯度算法能处理不可导凸函数，学习它是很有必要的。

2022.10.12
A Cooperative Merging Strategy for Connected and Automated Vehicles Based on Game Theory With Transferable Utility    下载链接

总结：引入转移支付的1对1博弈和最优控制方法解决车辆合流场景中的合流顺序确定与车辆姿态控制问题。
借鉴：所提出的框架能够提高车辆的经济效益，具有实际应用的潜力。

2022.10.16
Joint Content Caching, Recommendation, and Transmission Optimization for Next Generation Multiple Access Networks    下载链接

总结：从平均延迟最小化的视角，研究了基站在具有传输模式选择情况下（组播或NOMA）的联合内容缓存放置、个性化推荐和面向交付的资源管理的问题。论文讨论了基站的两种内容传输模式组播和NOMA的特点以及如何在基站处选择传输模式，这在关于内容交付主题的论文中很少被讨论。
借鉴：所提出的优化问题是一个非线性、双时间尺度和混合整数规划问题，这类问题难以求解，论文给出的分而治之的方法（分解为两个子问题交替迭代）进行处理值得学习。

Many-to-Many Matching-Theory-Based Dynamic Bandwidth Allocation for UAVs      下载链接

总结：在紧急通信的场景下，利用匹配理论，在考虑NLOS链路和LOS链路的情况下，解决无人机（UAV）和用户（UE）的带宽资源分配问题。具体步骤如下：①提出了一个任务驱动的多业务需求动态多连通匹配博弈框架，以最大限度地提高系统吞吐量，同时保证UE的时延需求。②提出了一种基于三层拍卖的动态多对多完全匹配算法，以实现全局网络带宽资源优化和更新所有UE的信道接入策略。③提出了一种简化的匹配算法，以实现不稳定单连通性（SC）UE和多连通性（MC）UE之间的高效本地资源交换和动态匹配配额调整，与全匹配算法相比，该算法可以以较低的复杂度实现次优解。
借鉴：①提出了一种低复杂度的拍卖算法（DAP）来解决带宽分配问题：相比于集中式算法，拍卖方需要知道系统的完整信息，复杂度高。本文提出的方法，只需要知道竟价的竞价请求，而不需要知道所有UE信道链路的确切竞价。  ②提出了一种简化的匹配算法来解决车辆和无人机的高度移动性。  ③文中的根据3GPP TR 36.777得到的城市微小区（UMI）中用户和UAV间LOS链路和NLOS链路的路径损耗，LOS链路和NLOS链路出现的概率；UE的实验满意度函数等均可以借鉴。

2022.10.22
Energy-Delay Minimization of Task Migration Based on Game Theory in MEC-Assisted Vehicular Networks    下载链接

总结：这篇论文提出了一种移动边缘计算辅助车辆网络，在该网络中，车辆可以通过车辆对车辆(V2V)链路或通过车辆对基础设施链路(V2I)将其任务卸载到附近的车辆或附近的RSU。这些任务也通过V2V链路或基础设施到基础设施(I2I)链路进行迁移，以避免车辆无法从RSU接收已处理任务的情况。考虑到卸载任务和迁移任务同一链路的相互干扰，该论文构造了一个基于车辆卸载决策的博弈，以最小化计算开销。然后，论文中提出了一种任务迁移（TM）算法，并基于此算法提出了计算开销最小化卸载（COMO）算法。
借鉴：通过该论文，可以学习MEC网络中车辆任务卸载和任务结果迁移的场景，并掌握卸载和迁移过程中存在共信道干扰情况下信道传输速率计算公式。此外，论文中提出的TM算法(考虑单个车辆的利益)和COMO算法(考虑所有车辆的整体利益)是考虑两种不同利益情况下的算法，这对我们写博弈算法具有启发作用。

①Digital Twin Analysis to Promote Safety and Security in Autonomous Vehicles 

②Digital-Twin-Enabled 6G: Vision, Architectural Trends, and Future Directions.      下载链接

总结：分别介绍了两篇magazine，第一篇magazine是数字孪生分析对自动驾驶的网络安全和车辆安全的提高，可以学到一种新的数字孪生分析方法，该方法可以提高自动驾驶的网络安全和车辆安全的性能；第二篇magazine是数字孪生赋能的6G:愿景、架构趋势、未来方向，可以了解到基于数字孪生的第六代无线通信系统实现万物互联应用的系统架构。

2022.10.29

Multi-Agent Deep Reinforcement Learning to manage Connected Autonomous Vehicles at Tomorrow\\'s Intersections.  下载链接

总结：针对自主交叉口管理（AIM）系统提出了基于MADRL的AIM，能够以协作的方式控制交叉口的CAV，自主学习复杂的实际交通动态，可广泛用于评估在各种现实和复杂的情况，并且使用了先进的方法（Self-Play learning、Prioritized Experience Replay)。

借鉴：①该论文的管理思想是通过消除碰撞和红绿灯，周期性地影响所有CAV在十字路口的集体速度，减少损失的时间，提供了车在十字路口的完全移动。

           ②该论文总结了冲突预测模块和冲突解决模块的基本算法和主要思想，对AIM系统设计有启发。

          ③该论文使用了循环网络（LSTM），所有车辆状态反复输入，冲突的编码值在训练过程中被学习。能够学习长期的依赖关系，反馈机制可以记住车辆以前的状态。对时序信息重要的任务可参考网络结构。

PerFED-GAN: Personalized Federated Learning via Generative Adversarial Networks.     下载链接

总结：该方法允许每个客户设计自己的模型，独立参与联合学习训练，而无需和其他客户端或者服务器共享任何模型架构或参数信息。客户端们不共享模型参数，通过共享生成的对抗性网络（GANs）生成的样本学习他人的知识。当客户机的模型架构和数据分布变化显著时，所提出的方法的平均测试精度比现有的方法高出42%。

2022.11.05

①Blockchain-Based Secure Communication for Space Information Networks    下载链接

总结：本文首先研究了Space Information Networks面临的几个挑战，引入区块链在安全通信中的关键作用。基于以上几点构建系统模型，进一步提出不同通信场景下的Fulgor和Rayo协议（建立安全信道）。最后通过实验结果表明，所提出的方法是稳健和有效的，有望对SIN的未来发展有所启发

②Secure Crowdsensing in 5G Internet of Vehicles: When Deep Reinforcement Learning Meets Blockchain      

总结：本文重点讨论了5G IoV的区块链群感知的安全性和延迟问题，并构建了一个支持DRL的车辆群感知系统。首先，公式化两个优化问题：①最大限度地提高区块链的安全性②最小化区块链延迟。然后，从多个方面进行解决问题：①优化交易流程，通过DRL和矿工等级机制适当选择活跃矿工；②基于双边匹配的算法来分配NOMA子信道，减小最大上传延迟。最后，性能评估表明，方案有效，并且安全可靠

①Decentralized Computation Offloading with Cooperative UAVs: Multi-Agent Deep Reinforcement Learning Perspective

②Distributed Q-Learning-Enabled  Multi-Dimensional Spectrum Sharing Security Scheme for 6G Wireless Communication     下载链接

总结：这两篇magazine讲述的都是关于多智能体的深度强化。第一篇magazine是从多智能体深度强化学习视角来研究协同无人机的分布式计算卸载。文章针对多个无人机服务器的分散优化和管理，提出了一种分布式训练和分布式执行（DTDE）的学习框架，并通过设计交互机制来解决无人机运行轨迹、设备关联、任务卸载和资源分配策略的联合优化问题。

借鉴：1）可以借鉴其提出的分布式执行和分布式训练的学习框架来消除传统学习框架对集中数据的依赖；2）对于联合优化问题，若动作空间非常大，可以借用多分支的动作网络架构来提高算法的探索能力；

第二篇magazine是用于6G无线通信的分布式Q学习多维频谱共享安全方案。文章研究的是基于CR的毫米波频段频谱共享安全方案，并采用非合作博弈理论对问题进行建模和分析，提出了一种具有自适应能力的分布式Q学习算法。

借鉴：深度强化学习算法可以用来解决非合作博弈理论的问题，这为之后解决博弈问题提供了新的解题思路。

2022.11.13

A Dynamic Hierarchical Framework for IoT-assisted Digital Twin Synchronization in the Metaverse    下载链接

总结：这篇文章在元宇宙中提出虚拟服务提供商(VSP)的概念，并指出其可以利用一组数字孪生体，即物理对象的数字副本，在元宇宙中向用户提供虚拟服务。随后，利用进化博弈和微分斯塔克伯格博弈，建立动态分层框架，帮助VSPs选择一组物联网设备以高效更新其所用到的数字孪生体状态。

借鉴：文章对于博弈中效益的建模吸纳了控制论的思想，更加贴合实际情况；对于元宇宙中问题的建模，也有独到的理解。

2022.11.22

Joint Computation Offloading, Role, and Location Selection in Hierarchical Multicoalition UAV MEC Networks: A Stackelberg Game Learning Approach    下载链接

总结：①这篇论文考虑多联盟无人机网络，架构为中央无人机-联盟领导者-联盟成员，场景为每个联盟成员都有一个计算任务需要处理，联盟成员可以选择本地处理，或者上传到其所在联盟的联盟领导者处理， 联盟领导者可以选择处理成员所卸载的任务或者将任务上传到中央无人机处理（云边端架构）。

          ②在上述场景中，联盟领导者和联盟成员的目标都是通过改变决策来最小化自己的成本、最大化自身效益。联盟领导者的决策为其角色选择（中继/服务器）和位置选择，联盟成员的决策为其卸载选择（是否卸载、选择哪个信道卸载），二者决策相互影响。

          ③在分析联盟成员的成本过程中，文章充分考虑了无人机的异质性。文章将无人机分为时延敏感类无人机和能耗敏感类无人机，并为这两类无人机分别建立了成本公式，分类讨论。

          ④考虑到联盟领导者和联盟成员的决策均是离散的，文章将联盟领导者与联盟成员的迭代决策过程描述为离散斯塔克伯格博弈，并采用反向归纳法的思想分阶段证明了两段博弈均是顺序势博弈，由于顺序势博弈至少存在一个纳什均衡点，由此证明了本文博弈均衡点的存在。

          ⑤在求解斯塔克伯格博弈均衡点的算法中，联盟成员通过最佳响应（BR）规则确定自己的最优策略，联盟领导者通过对数线性方法将自身效用转为概率从而确定自己的最优策略。

2022.09.06   

卫星通信基本知识调研+卫星通信链路建模总结         下载链接1         下载链接2

总结：本次就卫星发展、卫星通信、卫星应用以及未来发展进行调研，并参考文献对卫星通信链路的建模进行总结。
2022.09.18 Multi-Task Federated Learning for Personalised Deep Neural Networks in Edge Computing 总结：多任务联邦学习场景下，隐藏各个客户端本地模型BN层的参数，上传其余层的参数，能提高用户模型精度。
借鉴：①BN层的参数总结了本地模型对本地模型学到的学习特征。  ②隐藏BN层有利于个性化联邦学习，从隐私角度也有优势。

2022.10.01

科普神经网络          下载链接

总结：介绍神经网络的基础概念，梯度下降的计算过程，如何选择超参数设计一个神经网络，详解BN层的意义和对个性化联邦学习的作用。

2022.10.09

1G-5G通信简史        下载链接

总结：1G-5G等的定义，主要是从速率，业务类型，传输时延，还有各种切换成功率角度给出具体实现的技术不同。

2022.11.13

①空天地一体化通信网络白皮书       下载链接

总结：首先，介绍卫星、空基通信高空通信平台这两种非地面网络与地面网络相互赋能的架构和特点；其次，介绍了MEC在空天地一体化通信网络中的应用，主要描述地面、星上等MEC融合组网架构；然后，介绍了空天地一体化通信网络典型应用场景，如大时空尺度确定性业务、泛在接入等；最后，总结了空天地一体化网络发展挑战与推进计划。

借鉴：对空天地一体化网络特点、架构及挑战的描述可以作为写论文的指导，尤其是各种融合组网架构，以及MEC如何在空间、空基网络部署。

②6G移动网络架构的六大特征

总结：回顾了移动网络架构的演进历史，提出了三层四面6G移动网络的功能架构，并分析了其内在网络特征，即柔性、按需服务、至简、内生智慧、数字孪生和内生安全。

借鉴：有助于了解5G、6G网络的特点，所提出的三层四面6G功能架构和6G移动网络架构的六大特征值得学习。