АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Планирование с максимальной пропускной способностью

Планирование с максимальной пропускной способностью (англ. Maximum throughput scheduling) — это процедура планирования пакетов данных в пакетно-коммутируемой сети с наилучшим обслуживанием, обычно в беспроводной сети, с целью максимизации общей пропускной способности сети или системной спектральной эффективности в случае беспроводной сети. Это достигается за счёт предоставления приоритета планирования тем потокам данных, которые являются наименее «затратными» с точки зрения потребляемых сетевых ресурсов на единицу передаваемой информации.

В современных радиосистемах пакетной передачи, например в сотовых сетях 3.5G HSDPA (High-Speed Downlink Packet Access), вместо режима очереди FIFO применяется планирование с учётом состояния канала для того, чтобы максимально эффективно использовать доступные условия радиоканала. В таких условиях может быть привлекательным использовать планирование с максимальной пропускной способностью, особенно в моделированиях, где сравниваются различные схемы по пропускной способности. Однако на практике такой метод планирования обычно нежелателен, и планирование с учётом канала следует применять с осторожностью, как будет показано далее.

В современных системах с радиочастотным питанием алгоритмы максимизации пропускной способности интегрируются в протокол Harvest-Then-Transmit (HTT), где планировщик динамически распределяет время между фазами сбора энергии и передачи данных[1]. В сетях 5G-Advanced и 6G данный подход применяется совместно с дробным управлением мощностью (Fractional Power Control): абонентам с высокими потерями сигнала снижают приоритет при планировании и выделяют меньше радиоресурсов для ограничения межсотовых помех[2][3].

Функция стоимости в беспроводных пакетных радиосистемах

Пример 1: Адаптация канала

В беспроводной сети с адаптацией канала и без ко-канального интерференционного воздействия соседних сетей скорость передачи данных сильно зависит от отношения несущей к шуму (CNR), которое определяется затуханием на линии связи между передатчиком и приёмником, то есть потерями на пути. Для планирования с максимальной пропускной способностью связи с малым затуханием считаются наименее затратными, и им должен предоставляться приоритет при планировании.

Пример 2: Широкополосный спектр

В восходящей линии связи широкополосной сотовой системы, отношение несущая-помеха (CIR) поддерживается постоянным для всех пользователей с помощью управления мощностью. Для пользователя с высокими потерями на пути управление мощностью приведёт к более высокому уровню помех сигналам других пользователей. Это будет препятствовать передаче более эффективных потоков данных, так как в ячейке существует предельный допустимый уровень помех, и приведёт к снижению пропускной способности. Следовательно, с точки зрения планирования с максимальной пропускной способностью, потоки данных с высокими потерями на пути считаются самыми затратными и должны получать наименьший приоритет. В современных сетях, таких как 5G-Advanced и 6G, стратегия поддержания постоянного отношения несущая-помеха уступает место дробному управлению мощностью (Fractional Power Control). При таком подходе для контроля межсотовых помех абонентам с высокими потерями на пути назначается меньшее количество физических ресурсных блоков (PRB)[4].[5]

Пример 3: Динамическое распределение каналов

В беспроводной сети с быстрым динамическим распределением каналов (DCA), на уровне отдельных пакетов или временных слотов, пользователь, находящийся на границе покрытия нескольких базовых станций, может создавать или испытывать интерференцию от соседних ячеек. DCA-алгоритм будет блокировать использование того же частотного канала в соседних ячейках. Функция стоимости в этом случае будет определяться количеством заблокированных соседних базовых станций.

Сравнение с другими политиками распределения ресурсов

Если между «стоимостью» различных потоков данных существуют значительные различия, что особенно характерно для беспроводных сетей, ресурсы могут выделяться только одному или нескольким потокам на каждый физический канал в сети. При большом числе одновременных активных потоков большинство потоков будет вынуждено ожидать завершения передачи данных самыми «дешёвыми» потоками, что приведёт к их «голоданию» по расписанию.

Политика планирования с максимальной пропускной способностью может показаться привлекательной, поскольку оптимизирует использование ресурсов сети, однако она вряд ли обеспечит максимизацию прибыли для оператора. Уровень удовлетворённости клиентов останется низким из-за того, что многие клиенты будут сталкиваться с долгими или постоянными сбоями в обслуживании.

Пропорционально справедливое планирование даст меньшую пропускную способность, но позволит избежать «голодания» потоков.

Максимально-минмаксное планирование приведёт к ещё меньшей пропускной способности, но обеспечит более высокий уровень справедливости, то есть качество обслуживания для каждого потока будет ещё более стабильным.

В отличие от максимально-минмаксного планирования на основе справедливой очереди или циклического планирования (round robin), алгоритм планирования с максимальной пропускной способностью полагается на вычисление функции стоимости, которая в беспроводных сетях может требовать быстрой и достоверной оценки потерь на пути. Пропорционально справедливое планирование на основе взвешенной справедливой очереди также требует измерения или расчёта функции стоимости.

Применение в системах с радиочастотным питанием

В системах с радиочастотным питанием концепция планирования для максимизации пропускной способности интегрируется в протоколы «сбор-затем-передача» (Harvest-Then-Transmit, HTT)[6].

Теоретические модели для задач реального времени

В 2026 году в области планирования с максимальной пропускной способностью был исследован ряд новых теоретических моделей для задач реального времени. Одной из них является модель с предварительным уведомлением (lookahead), в которой алгоритм получает информацию о задании до его фактического времени выпуска. Знание о будущих задачах позволяет планировать действия и избегать необратимых ошибочных решений. В таких условиях простой «жадный» алгоритм достигает строгих гарантированных аппроксимаций[7].

Среди других подходов также выделяются модель с вытеснением и отзывом (preemption with revoking)[8], модель с пропорциональными весами и категоризированная весовая модель[9].

Ссылки

  1. ↑ Maximum Throughput Scheduling in RF-Powered Systems. Дата обращения: 27 августа 2026.
  2. ↑ Uplink Power Control Optimization for XR and eMBB Co-Existence in 5G-Advanced Networks. Дата обращения: 27 августа 2026.
  3. ↑ Power Control in 5G NR. Дата обращения: 27 августа 2026.
  4. ↑ Uplink Power Control Optimization for XR and eMBB Co-Existence in 5G-Advanced Networks. VBN (Aalborg University) (1 января 2023). Дата обращения: 27 августа 2026.
  5. ↑ Power Control in 5G NR. NXG Connect (10 мая 2022). Дата обращения: 27 августа 2026.
  6. ↑ Optimal Harvest-Then-Transmit Scheduling for RF-Powered Systems. IEEE Xplore. Дата обращения: 27 августа 2026.
  7. ↑ Scheduling in a Changing World: Maximizing Throughput with Time-Varying Capacity. Google Research Blog. Дата обращения: 27 августа 2026.
  8. ↑ Maximum Throughput Scheduling with Advance Notice and Preemption with Revoking. arXiv. Дата обращения: 27 августа 2026.
  9. ↑ Maximum Throughput Scheduling with Proportional and Categorized Weights. Utrecht University Student Theses. Дата обращения: 27 августа 2026.

Категории