智能网络与优化调度实验四

网络交通流量调度优化问题求解

不会吧，这真有人看？
BY hllinyu
2023年5月11日

实验内容

考虑一个具有𝑀条道路（分别标记为：1, … , 𝑀）以及𝑁条路径（分别标记为：1, … , 𝑁） 的交通网络。每条路径由若干道路构成，令R∈R^(M×N) 表示道路-路径指示矩阵，若第𝑚条道路在第𝑛条路径上则R_mn=1，否则$R_{mn}=1$，$R_{mn}$为矩阵𝑅第𝑚行第𝑛列的元素。第𝑛条路 径上的交通流量记为$f_n\ge 0$第𝑚条道路上的交通容量上限记为$c={\left[c_1,\cdots ,c_m\right]}^T$。 为了满足第𝑚条道路上的交通容量约束，有
$$\sum _{n=1}^N{R}_{mn}{f}_n\le c_m$$

当一条道路上的交通流量越多时，道路就会变得更加拥堵，通过该条道路的时延也就 越长，因此第𝑚条道路上的平均时延可以简单建模为
$$d_m=\frac{1}{c_m-{\sum }_{n=1}^N,R_{mn}{f}_n}$$
第𝑛条路径上的总时延是通过这一条路径上的所有道路的时延之和，即
$$l_n=\sum _{m=1}^M{R}_{mn}{d}_m$$
一般来说，当一条路径上的交通流量越大时，其产生的经济效益就会越多，对于第𝑛 条路径，其效用函数可以简单建模为$U_n=log\left(1+f_n\right)$，因此整个交通网络的效用函数为$$U_{sum}\left(f\right)=\sum _{n=1}^N{U}_n$$, 其中$f={\left[f_1,\cdots ,f_N\right]}^T$。
我们的目标是通过合理规划每条路径上的交通流量{𝑓𝑛}，在满足每一条路径时延不超 过𝐿的情况下，最大化整个网络的效用函数$U_{sum}$。
1）请将上述问题建模成一个凸优化问题；
2）从 exp4_2_data.m中加载𝑁、𝑀、 𝐑、𝐜等数据，令$f={\left[0,\cdots ,0\right]}^T$计算此时所有路径时延的最大值，记为$\bar{L}$；
3）从 exp4_2_data.m 中加载𝑁、𝑀、 𝐑、𝐜等数据，令𝐿的取值为$\bar{L}\times (1:1:10)$，使用 Matlab 及 CVX 对 1）中建模出的问题进行求解，分别计算𝐿取不同值时对应的最大效用 $U_{sum}$，绘制最大效用$U_{sum}$随网络最大时延𝐿变化的曲线（使用实线）；（提示：反比例函数 不是凸函数，但是反比例函数的正半支是凸函数，CVX 中可以使用 inv_pos 函数）
4）从 exp4_2_data.m 中加载𝑁、𝑀、 𝐑、𝐜等数据，令 $L=+\infty$，使用 Matlab 及 CVX 对 1）中建模出的问题进行求解，得到此时的网络最大效用$U_{sum}$；将此时的最大效用$U_{sum}$ 绘制在 3）中的图上（使用虚线）。（提示：此时路径时延约束始终不起作用，使用 yline 函 数绘制水平横线）

实验过程及结果（需要包含完整程序代码及运行结果截图）

1. 建模
   在这个问题中，我们需要最大化整个网络的效用函数U_sum，同时满足每一条路径时延不超过L的情况下，通过合理规划每条路径上的交通流量{𝑓𝑛}。
   公式
   $$\begin{array}{rl}& \underset{p}{\max }\sum _{i=1}^K{r}_i\\ & \text{s.t.}\\ & r_i={\log }_2(1+p_i{h}_i),i=1,2,\cdots ,K\\ & \sum _{i=1}^K{p}_i\le P_{\mathrm{sum}},\\ & p_i\le P_{\max },i=1,2,\cdots ,K.\end{array}$$

2. MATLAB 代码及运行结果截图

% 计算所有路径时延的最大值
f = zeros(N, 1);
d = 1 ./ (c - R * f);
L_max = max(R' * d);
disp(['所有路径时延的最大值：',num2str(L_max)])


% 计算𝐿取不同值时对应的最大效用 U_sum
L_values = L_max * (1:10);
U_sum_values = zeros(size(L_values));

for i = 1:length(L_values)
    L = L_values(i);
    
    cvx_begin
        variable f(N)
        d = inv_pos(c - R * f);
        U_sum = sum(log(1 + f));
        maximize(U_sum)
        subject to
            R' * d <= L
            f >= 0
    cvx_end
    
    U_sum_values(i) = cvx_optval;
end

% 令 L=+∞，计算网络最大效用U_sum
L_inf = inf;

cvx_begin
    variable f(N)
    d = inv_pos(c - R * f);
    U_sum_inf = sum(log(1 + f));
    maximize(U_sum_inf)
    subject to
        f >= 0
cvx_end

% 打印图片
plot(L_values, U_sum_values, 'b-', 'LineWidth', 1.5);
hold on;
yline(U_sum_inf, 'r--', 'LineWidth', 1.5);
xlabel('Maximum Path Delay (L)');
ylabel('Maximum Utility (U_{sum})');
legend('U_{sum} vs. L', 'U_{sum} at L = +\infty', 'Location', 'Northwest');

运行截图