Dynamic Fairness-Aware Spectrum Auction for Enhanced Licensed Shared Access in 6G Networks

📄 arXiv: 2312.12867v1 📥 PDF

作者: Mina Khadem, Maryam Ansarifard, Nader Mokari, Mohammadreza Javan, Hamid Saeedi, Eduard A. Jorswieck

分类: eess.SY, cs.GT

发布日期: 2023-12-20

备注: 13 pages, 11 figures

💡 一句话要点

提出基于动态公平感知的频谱拍卖机制，提升6G网络授权共享接入性能

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 6G网络 频谱拍卖 授权共享接入 公平性 深度强化学习 DDPG 资源分配

📋 核心要点

  1. 6G网络面临频谱资源日益稀缺的挑战，传统的频谱分配方法难以兼顾效率与公平性。
  2. 论文提出一种基于公平感知的动态频谱拍卖机制，利用加权拍卖和深度强化学习优化频谱分配策略。
  3. 实验结果表明，所提出的方法在公平性方面优于传统方法，DDPG方法提升高达35%。

📝 摘要（中文）

本文针对6G网络中频谱资源稀缺的挑战，提出了一种新的方法，通过实施增强型授权共享接入（ELSA）框架来解决此问题。我们提出的拍卖机制旨在通过一种新颖的加权拍卖（称为公平Vickery-Clarke-Groves（FVCG）机制）来确保频谱分配对移动网络运营商（MNO）的公平性。通过与传统方法比较，研究表明所提出的拍卖方法显着提高了公平性。我们建议使用频谱感知和集成基于无人机的网络来提高LSA系统的效率。本研究采用两种方法来解决该问题。首先，我们提出了一种新颖的贪婪算法，称为基于市场份额的加权贪婪算法（MSWGA），与传统的拍卖方法相比，该算法可以实现更好的公平性。其次，我们利用深度强化学习（DRL）算法来优化拍卖策略，并证明其优于其他方法。仿真结果表明，深度确定性策略梯度（DDPG）方法优于软Actor-Critic（SAC）、MSWGA和贪婪方法。此外，与传统的贪婪拍卖方法相比，公平性指标有了显着提高。当部署MSWGA和DDPG方法时，这种改进分别高达约27％和35％。

🔬 方法详解

问题定义：论文旨在解决6G网络中增强型授权共享接入（ELSA）场景下的频谱资源分配问题。传统频谱拍卖方法，如Vickrey-Clarke-Groves (VCG) 拍卖，可能导致频谱分配不公平，某些移动网络运营商（MNO）可能因市场份额较小而难以获得足够的频谱资源。因此，如何在保证频谱利用率的同时，提升频谱分配的公平性是本文要解决的核心问题。

核心思路：论文的核心思路是设计一种公平感知的频谱拍卖机制，该机制通过引入加权因子来平衡不同MNO的市场份额，从而实现更公平的频谱分配。此外，利用深度强化学习（DRL）算法动态优化拍卖策略，以适应不断变化的网络环境和用户需求。

技术框架：整体框架包含以下几个主要模块：1) 频谱感知模块，用于检测可用频谱资源；2) 拍卖机制模块，采用改进的Vickrey-Clarke-Groves (VCG) 拍卖，即公平VCG (FVCG) 机制，并结合市场份额加权；3) 深度强化学习模块，使用DDPG或SAC算法训练拍卖策略，以最大化长期收益和公平性；4) 频谱分配模块，根据拍卖结果将频谱资源分配给各个MNO。

关键创新：论文的关键创新在于：1) 提出了公平VCG (FVCG) 机制，通过引入市场份额加权，有效提升了频谱分配的公平性；2) 将深度强化学习（DRL）应用于频谱拍卖，实现了拍卖策略的动态优化，能够适应不断变化的网络环境；3) 提出了基于市场份额的加权贪婪算法（MSWGA），作为DRL的对比基线，验证了DRL方法的有效性。

关键设计：在FVCG机制中，每个MNO的竞标价格会根据其市场份额进行加权，市场份额较小的MNO会获得更高的权重，从而提升其竞标成功的概率。在DRL模块中，状态空间包括可用频谱资源、MNO的市场份额、竞标价格等信息；动作空间包括拍卖策略的参数；奖励函数综合考虑了频谱利用率、MNO的收益和公平性指标。DDPG算法采用Actor-Critic结构，Actor网络用于生成拍卖策略，Critic网络用于评估策略的价值。

📊 实验亮点

实验结果表明，所提出的MSWGA算法和DDPG算法在公平性方面均优于传统的贪婪拍卖方法。具体而言，MSWGA算法的公平性指标提升了约27%，而DDPG算法的公平性指标提升了约35%。此外，DDPG算法在频谱利用率和MNO收益方面也表现出良好的性能，验证了该方法的有效性。

🎯 应用场景

该研究成果可应用于未来的6G网络，尤其是在增强型授权共享接入（ELSA）场景下，能够有效提升频谱资源的利用率和分配公平性。通过动态调整频谱分配策略，可以更好地满足不同用户的需求，提高网络服务质量。此外，该方法还可以推广到其他资源分配场景，例如云计算资源分配、边缘计算资源分配等。

📄 摘要（原文）

This article introduces a new approach to address the spectrum scarcity challenge in 6G networks by implementing the enhanced licensed shared access (ELSA) framework. Our proposed auction mechanism aims to ensure fairness in spectrum allocation to mobile network operators (MNOs) through a novel weighted auction called the fair Vickery-Clarke-Groves (FVCG) mechanism. Through comparison with traditional methods, the study demonstrates that the proposed auction method improves fairness significantly. We suggest using spectrum sensing and integrating UAV-based networks to enhance efficiency of the LSA system. This research employs two methods to solve the problem. We first propose a novel greedy algorithm, named market share based weighted greedy algorithm (MSWGA) to achieve better fairness compared to the traditional auction methods and as the second approach, we exploit deep reinforcement learning (DRL) algorithms, to optimize the auction policy and demonstrate its superiority over other methods. Simulation results show that the deep deterministic policy gradient (DDPG) method performs superior to soft actor critic (SAC), MSWGA, and greedy methods. Moreover, a significant improvement is observed in fairness index compared to the traditional greedy auction methods. This improvement is as high as about 27% and 35% when deploying the MSWGA and DDPG methods, respectively.