[發明專利]一種異構網絡中基于遺傳算法的用戶接入網絡方法

有效

• 申請號: 201410152938.5
• 申請日: 2014-04-16
• 公開（公告）號: CN103945388B
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 曲樺;趙季紅;魏小敏;欒智榮
• 申請（專利權）人: 西安交通大學
• 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任公司61200
• 代理人: 陸萬壽

技術領域

本發明涉及無線異構網絡的用戶接入網絡問題，具體涉及一種異構網絡中基于遺傳算法的用戶接入網絡方法，可用于異構網絡下宏基站和小功率節點中用戶的分配。

背景技術

在傳統的宏蜂窩小區引入低功率節點提供重疊覆蓋的異構網絡組網形式，可以有效地解決無線通信網絡對數據速率需求的日益增長，提高系統容量和頻譜利用率。與宏蜂窩網絡相比，由于小功率網絡節點的發射功率（均在250mW到1W之間）和天線高度(<5m)都比較低，在異構網絡中按照傳統的基于接收信號強度（RSS，Received Signal Strength）的接入選擇算法會出現這樣的問題：接入低功率節點的用戶數遠遠小于選擇接入宏基站的用戶數。這就造成宏蜂窩小區的負載量過多，頻率資源競爭非常激烈，然而低功率節點的頻率資源卻沒有充分利用。因此，異構網絡中各小區使用相同帶寬的頻率資源，增加小功率節點的用戶數會最大化小區分裂增益，從而提升全網性能。因此在無線異構網絡中必須改變用戶接入目標小區的選擇策略，讓更多用戶選擇低功率節點為服務小區，即為用戶選擇參考信號接收功率RSRP較大的小區而不一定選RSRP最大的小區作為其服務小區，這就是小區范圍擴展（RE，Range Expansion）技術。目前常用的小區范圍擴展技術一般只用在簡單的宏微基站場景下，以分布式解決問題，每次只能調整基站的偏置值，不能兼顧全網的運行情況。不適用于實際中的復雜異構網絡場景。

由于無線異構網絡的異構性和多個網絡的重疊覆蓋性，無線異構網絡不僅要考慮單一網絡的運行質量，還要考慮到整個網絡系統的運行質量以及其它異構網絡對自身網絡的影響等因素。因此，在終端用戶選擇接入的目標網絡的方法上，無線異構網絡不但對于網絡性能的需求更多，要求更高，要求能夠以全局最優化的方式使網絡達到最優的性能。

遺傳算法是模擬自然界優勝劣汰的進化現象，把可能解的搜索空間映射為遺傳空間，把可能的解編碼為一個向量（即染色體），向量的每個元素稱為基因。種群是由一定數目的個體所構成的，遺傳算法的最開始的工作就需要進行編碼工作，然后形成初始的種群，最后進行選擇、交叉和變異的操作。初始化一個可能潛在解集的種群，按照適者生存和優勝劣汰的機制，在每一代中根據問題域個體的適應度值大小來挑選個體，并借助自然遺傳機制進行交叉、變異操作產生新的解集的種群。通過不斷計算各染色體的適應度值和遺傳操作，選擇最好的染色體，從而獲得最優解。

與其他優化算法相比較，遺傳算法具有的優勢：（1）搜索過程是作用在編碼后的字符串上，間接作用在優化問題的具體變量上，在搜索中用隨機變換規則替代確定的規則。為了提高效率，遺傳算法在搜索時采用了啟發式搜索。（2）具有較好的通用性，不需要輔助信息。遺傳算法僅需使用適應度函數的數值來評價個體的好壞，并在此基礎上進行遺傳操作。更重要的是，遺傳算法的適應度函數只要求編碼必須與可行解空間對應，其不僅不受連續可微的約束，而且其定義域可以任意設定。這使得遺傳算法的應用范圍很廣泛。（3）群體搜索特性。遺傳算法搜索種群的點是并行的一組點，而許多傳統的搜索方法都是單點搜索。它采用的是同時處理群體中多個個體的方法，即同時對搜索空間的多個解進行評估。這一特點使遺傳算法能在解空間內充分搜索，具有較好的全局優化能力，也使得遺傳算法本身易于并行化。（4）具有很強的可并行性。遺傳算法的并行性體現在這三個方面：個體適應度評價的并行性、整個群體各個個體適應度評價的并行性及子代群體產生過程的并行性。遺傳算法只需要通過保持多個群體和恰當控制群體間的互相作用來模擬并發執行過程，即使不使用并行計算機，也能提高算法的執行率。

發明內容

本發明的目的在于提供一種異構網絡中基于遺傳算法的用戶接入網絡方法。

為達到上述目的，本發明采用了以下技術方案。

1）根據用戶吞吐量將接入異構網絡中各個基站的用戶劃分為可以穩定接入對應基站的用戶和接入性能較差的小區邊緣用戶；

2）以最大化小區邊緣用戶吞吐量為優化目標，利用遺傳算法對所述小區邊緣用戶所接入的基站進行調換。

所述步驟1）中，根據用戶吞吐量選出5%的接入性能最差的用戶作為所述小區邊緣用戶。

所述遺傳算法根據優化目標確定適應度函數，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（長度即基因數目）等于所述小區邊緣用戶的總數，將異構網絡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；