标签：vol KMN 复杂度 SCA 算法 mathcal IEEE 优化
凸优化中常用算法的计算复杂度
线性规划（LP）
As explained in [12], the complexity of a standard linear problem is of order
O
(
a
2
b
)
\mathcal{O} (a^2b)
O(a2b), where
a
a
a is the number of variables and
b
b
b is the number of constraints.
For instance, the problem (P2.1) in ref [2], it is easy to show that the complexity of (P2.1) is of order
O
(
(
M
N
+
K
N
+
K
+
K
M
N
)
(
K
M
)
2
)
\mathcal{O} \left ( (MN + KN + K+ KMN)(KM)^2 \right)
O((MN+KN+K+KMN)(KM)2).
Note that (P2.1) is a linear function which only consists of the scheduling variables.
- 变量个数：KM，为什么不是KMN？
- 约束(10) 的个数 M N + K N MN+KN MN+KN
- 约束(11) 的个数 K K K
- 约束(14) 的个数 K M N KMN KMN
逐次凸逼近（SCA）
SCA算法的计算复杂度和 “迭代次数（ L L L）”，以及每次迭代中的 “更新变量的个数（ N K NK NK）”有关；计算复杂度的表达式为 O ( N K L ) \mathcal{O} (NKL) O(NKL).
块坐标下降（BCD）
BCD algorithm 即 Alternating algorithm.
Alternating/BCD算法的收敛 要求每一个块的优化要达到最优解，而实际问题中每个块问题往往是非凸的，用凸优化技术SCA求解得到的往往是次优解，所以在证明算法的收敛性的时候，需要自行证明一下优化目标函数的非减、非增，证明是存在 upper bound 或 lower bound，如此可证明问题收敛。
在保证问题收敛后，块问题中有多个优化变量时的计算复杂度和SCA算法一样；只有一个优化变量时，变量数为
N
N
N，则计算复杂度为
O
(
N
3.5
)
\mathcal{O} (N^{3.5})
O(N3.5).
二分法 （Bisection）
二分法的计算复杂度是 O ( log 2 ( L 0 / e ) ) \mathcal{O} (\log_2(L_0/e)) O(log2(L0/e)) , 其中 L 0 L_0 L0 是最初的长度间隔， e e e 是要求的精度.
穷举法
穷举法的计算复杂度就是穷举次数。
参考文献
[1] S. Boyd and L. Vandenberghe, Convex Optimization. Cambridge University Press, 2004.
[2] A. Bejaoui, K. Park and M. Alouini, “A QoS-Oriented Trajectory Optimization in Swarming Unmanned-Aerial-Vehicles Communications,” in IEEE Wireless Communications Letters, vol. 9, no. 6, pp. 791-794, June 2020, doi: 10.1109/LWC.2020.2970052.
[3] W. Luo, Y. Shen, B. Yang, S. Wang and X. Guan, “Joint 3-D Trajectory and Resource Optimization in Multi-UAV-Enabled IoT Networks With Wireless Power Transfer,” in IEEE Internet of Things Journal, vol. 8, no. 10, pp. 7833-7848, 15 May15, 2021, doi: 10.1109/JIOT.2020.3041303.
[4] C. Zhan and Y. Zeng, “Aerial–Ground Cost Tradeoff for Multi-UAV-Enabled Data Collection in Wireless Sensor Networks,” in IEEE Transactions on Communications, vol. 68, no. 3, pp. 1937-1950, March 2020, doi: 10.1109/TCOMM.2019.2962479.
[5] R. Duan, J. Wang, C. Jiang, H. Yao, Y. Ren and Y. Qian, “Resource Allocation for Multi-UAV Aided IoT NOMA Uplink Transmission Systems,” in IEEE Internet of Things Journal, vol. 6, no. 4, pp. 7025-7037, Aug. 2019, doi: 10.1109/JIOT.2019.2913473.
[6] Q. Hu, Y. Cai, A. Liu, G. Yu and G. Y. Li, “Low-Complexity Joint Resource Allocation and Trajectory Design for UAV-Aided Relay Networks With the Segmented Ray-Tracing Channel Model,” in IEEE Transactions on Wireless Communications, vol. 19, no. 9, pp. 6179-6195, Sept. 2020, doi: 10.1109/TWC.2020.3000864.
标签：vol,KMN,复杂度,SCA,算法,mathcal,IEEE,优化 来源： https://blog.csdn.net/weixin_44655342/article/details/121742267
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。