安全多方计算作为许多密码协议的抽象模型,其公平性的研究对具体应用协议有重要的指导意义。安全多方计算的公平性能够保证所有参与者都能得到正确的输出,现有的安全多方计算协议只实现了部分公平性。基于逐比特的混淆电路提出一个通用安全多方计算协议,该协议在具有少数诚实参与者的情况下能实现完全公平性。

多路径TCP算法的流体模型：拥塞均衡的公平性设计

机器学习应用在高风险领域(如刑事判决、医学测试、在线广告等)的流行，至关重要的是要确保这些决策支持系统不会传播历史数据中可能存在的现有偏见或歧视。

论文《Fairness and Sum-Rate Maximization via Joint Subcarrier and Power Allocation in Uplink SCMA Transmission》代码复现

机器学习模型和数据驱动系统正越来越多地用于帮助在金融服务、医疗保健、教育和人力资源等领域做出决策。机器学习应用程序提供了诸如提高准确性、提高生产率和节约成本等好处。这一趋势是多种因素共同作用的结果，最显著的是无处不在的连通性、使用云计算收集、聚合和处理大量细粒度数据的能力，以及对能够分析这些数据的日益复杂的机器学习模型的更好访问。

由于在认知无线电网络中主用户与认知用户共存，如何在不对主用户造成干扰的前提下，对认知用户进行合理的资源分配显得尤为重要。以纳什协调解为优化目标，并考虑功率约束，提出一种公平信道分配算法。在仿真中，对以吞吐量最大化为目标的Maximal-Rate策略和考虑公平的Max-Min策略进行了对比，仿真结果表明，本算法有着与Maximal-Rate策略相当的吞吐量和比Max-Min策略更高的数据速率，因此本算法在效率和公平上作了很好的折中。

针对传统基于图论着色原理的频谱分配算法公平性较差问题进行研究，提出一种在最大效益准则下基于分配公平性改进的CSGC频谱分配算法。该算法在最大化系统效益准则下，充分考虑了用户对频谱资源占用因素，改进了原有CSGC算法。尤其是在频谱资源紧张情况下，保证了分配的公平性，保障了弱势用户的需求。MATLAB仿真实验结果表明，该算法在保障系统效益牺牲不大的前提下，提高了频谱资源分配公平性。

在认知无线电网络的频谱分配过程基础上,提出了一种基于干扰消减的频谱分配算法。该算法通过将可用频谱分配给能够同时无干扰地接入同一频谱的所有认知用户来提高授权频谱的使用率。同时,该算法参考各个认知用户在初始阶段的可用频谱数量来为未分配到频谱资源的认知用户进行频谱分配,对频谱分配过程的公平性进行了优化。仿真结果表明,该算法能够在认知用户数量较多、可用频谱紧张的情况下获得较高的吞吐量。

~摘 要：为解决水下无线传感器网络中由于水声信道的特殊性引起的空间公平性问题、长传播延迟导致的三重终端问题，并有效实现多信道机制，提出了一种基于单收发器的水下多信道MAC协议——SFM-MAC。该协议融合了水下定位信息，无需采用全网时间同步机制，通过多信道的RTS/CA/CL/CTS握手机制来解决相关问题。采用马尔科夫链构建了控制信道的预约模型，给出了多信道吞吐量的理论分析，得到了考虑预约碰撞条件下的多信道MAC协议的理论吞吐量。通过仿真实验验证了SFM-MAC的实际性能。仿真结果表明：SFM-MAC能提高网络的公平性，并能达到较高的网络吞吐量。

容量的用户调度-Jain的公平性折衷方案，用于毫米波MIMO系统