[發(fā)明專利]一種異構(gòu)網(wǎng)絡(luò)中基于遺傳算法的用戶接入網(wǎng)絡(luò)方法

有效

• 申請?zhí)枺?/td>: 201410152938.5
• 申請日: 2014-04-16
• 公開（公告）號: CN103945388B
• 公開（公告）日: 2017-10-20
• 發(fā)明（設(shè)計）人: 曲樺;趙季紅;魏小敏;欒智榮
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: H04W16/10
• 分類號: H04W16/10;H04W24/02;H04W28/16;H04W48/16
• 代理公司: 西安通大專利代理有限責(zé)任公司61200
• 代理人: 陸萬壽

1.一種異構(gòu)網(wǎng)絡(luò)中基于遺傳算法的用戶接入網(wǎng)絡(luò)方法，其特征在于：包括以下步驟：

1)根據(jù)用戶吞吐量將接入異構(gòu)網(wǎng)絡(luò)中各個基站的用戶劃分為可以穩(wěn)定接入對應(yīng)基站的用戶和接入性能較差的小區(qū)邊緣用戶；

2)以最大化小區(qū)邊緣用戶吞吐量為優(yōu)化目標(biāo)，利用遺傳算法對所述小區(qū)邊緣用戶所接入的基站進行調(diào)換；

所述遺傳算法根據(jù)優(yōu)化目標(biāo)確定適應(yīng)度函數(shù)，遺傳算法具體包括以下步驟：

1)生成初始化種群，初始化種群中每個染色體的長度等于所述小區(qū)邊緣用戶的總數(shù)，將異構(gòu)網(wǎng)絡(luò)中各基站的編碼隨機填充在染色體的基因座上，直至所有染色體的每個基因座均被填充；

2)經(jīng)過步驟1)后，采用選擇算子、交叉算子以及變異算子使初始化種群不斷進化，在達到預(yù)先設(shè)定的進化代數(shù)后找出適應(yīng)度最大的染色體；

所述遺傳算法的選擇算子采用最優(yōu)保存策略結(jié)合輪盤賭選擇算法，具體包括以下步驟：

首先計算當(dāng)前種群中各個染色體的適應(yīng)度，然后從當(dāng)前種群中找出適應(yīng)度最高的染色體X1和適應(yīng)度最低的染色體Y1，當(dāng)前種群中其余的染色體記為evolution_pop，保留所述適應(yīng)度最高的染色體X1，并將所述適應(yīng)度最低的染色體Y1替換為與所述適應(yīng)度最高的染色體X1相同的染色體X2，X1以及X2不參與交叉和變異操作而直接進入下一代種群，然后再按輪盤賭選擇算法對evolution_pop進行選擇操作，選擇出的染色體進行交叉、變異后與X1以及X2共同構(gòu)成下一代種群，輪盤賭選擇算法中染色體被選中的概率與適應(yīng)度高低成正比；

所述遺傳算法的交叉算子采用單點交叉。

2.根據(jù)權(quán)利要求1所述一種異構(gòu)網(wǎng)絡(luò)中基于遺傳算法的用戶接入網(wǎng)絡(luò)方法，其特征在于：所述步驟1)中，根據(jù)用戶吞吐量選出5％的接入性能最差的用戶作為所述小區(qū)邊緣用戶。

3.根據(jù)權(quán)利要求1所述一種異構(gòu)網(wǎng)絡(luò)中基于遺傳算法的用戶接入網(wǎng)絡(luò)方法，其特征在于：所述遺傳算法的適應(yīng)度函數(shù)為：

throut(m)=Σi=1bad_ue(1/Nue(i,base))*log2(1+SINRi)]]>

其中，bad_ue表示所述小區(qū)邊緣用戶的總數(shù)，Nue(i,base)是一個popsize行base列的矩陣，popsize表示種群大小，base表示基站的編碼，Nue(i,base)用于記錄種群在每一次迭代過程中接入各個基站的用戶數(shù)，SINR_i表示小區(qū)邊緣用戶在所接入基站側(cè)的信干噪比。

4.根據(jù)權(quán)利要求1所述一種異構(gòu)網(wǎng)絡(luò)中基于遺傳算法的用戶接入網(wǎng)絡(luò)方法，其特征在于：所述遺傳算法的進化代數(shù)取為50～500，種群大小取為20～100，交叉概率取為0.4～0.99，變異概率取為0.0001～0.1。

5.根據(jù)權(quán)利要求1所述一種異構(gòu)網(wǎng)絡(luò)中基于遺傳算法的用戶接入網(wǎng)絡(luò)方法，其特征在于：所述異構(gòu)網(wǎng)絡(luò)為宏基站、微微基站以及毫微微基站混合部署的場景。