arXiv 论文提出 FPTR：在截止时间前保住可行波束与资源分配
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载先保住可行解再谈优化
这套方法的核心是把“必须按时交出一个完整可用的分配结果”和“在剩余时间里继续改进”拆成两件事。调度器在每个执行截止点之前，必须给出波束与资源的完整可行分配，晚到或者不可用的输出在当前控制周期里没有价值。FPTR 的做法是始终保留一份已经通过校验的可行分配作为 incumbent，后续每个精炼阶段另外构造候选解，候选解在构造过程中不会改动 incumbent。只有当候选解完整、在本阶段截止点之前通过可行性校验、并且确实让目标更优时，它才会取代 incumbent，否则直接丢弃。这样即使搜索时间用尽，手里那份可用结果也不会被半成品覆盖。
四个阶段各自独立构造
精炼过程被划分为四个阶段，都遵循上面那条替换规则。第一阶段做缓冲区感知的资源选择；第二阶段处理兼容组（CG）下的用户共享；第三阶段依据剩余需求重建波束掩码；第四阶段对两个资源做联合重新分配。每个阶段都单独生成候选，而不是在 incumbent 上原地修改，因此某一阶段失败或超时不会污染已有结果。作者把这种结构描述为把必须完成的输出构造与可选的精炼分开，让空余的计算时间用于改善分配，同时不危及 incumbent。论文附带开源实现，支持他人独立复现。
合成实例上的对比结果
在 150 个固定的合成实例上，完整流水线（Full）相对一个轻量的波束优先参照方案，平均把流量提高了 3.83%；相对它自己的 Base 构造器，平均提高 1.79%。在另一组输入匹配的测试集里，Full 超过六个独立的搜索基线，包括 ALNS、禁忌搜索、遗传算法、模拟退火、迭代局部搜索和 GRASP，领先幅度为 6.68 至 8.35 个百分点区间内的对应数值，该测试设定中晚于 100 ms 的输出收益为零。内部测试集里全部 750 次 Full 运行都返回了可行分配，且没有一次超过 100 ms。这些数字说明改进来自精炼阶段，而截止约束没有被牺牲。
适用边界与读者关注点
这套机制面向的是短间隔无线调度场景，前提是存在明确的执行截止点和可判定的可行性校验器，并且目标函数可以比较优劣。它的收益依赖剩余计算时间：时间越紧，可用的精炼阶段越少，结果就越接近初始构造。材料没有给出在更大规模或真实网络下的表现，也没有说明各阶段的时间预算如何切分。对关注调度实现的读者而言，可复用的思路是把“按时交付”与“继续变好”解耦，用候选替换而非原地修改来保证任何时刻都握有一份可交付结果；论文的 14 页正文、4 幅图以及附录和开源代码，为进一步核对细节提供了入口。
为什么值得看
对时延敏感调度场景，它把“必须按时给出可行解”变成可验证的工程约束，并给出与六个搜索基线的量化对比。
信源1 家
关键事实
论文提出 FPTR，始终保留一份已通过校验的可行分配作为 incumbent，候选仅在完整、按时通过可行性校验且严格改善目标时才替换它。[1]
四个细化阶段分别为 buffer-aware 资源选择、兼容组用户共享、按剩余需求重建波束掩码、两类资源联合重分配。[1]
在 150 个固定合成实例上，完整流程相对轻量 beam-first 参考提升流量 3.83%，相对 Base 构造器提升 1.79%。[1]
在匹配输入的另一组测试中，完整流程超过 ALNS、禁忌搜索、GA、模拟退火、迭代局部搜索和 GRASP 六个基线 6.68% 至 8.35%，超过 100 ms 的输出计零效用。[1]
内部测试中 750 次完整运行全部返回可行分配，且均未超过 100 ms；论文共 14 页、4 幅图，含附录，代码已开源。[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。