[發明專利]一種網絡資源調度方法及裝置

有效

• 申請號: 202011242830.7
• 申請日: 2020-11-10
• 公開（公告）號: CN112566141B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 張海君;張志雨;隆克平
• 申請（專利權）人: 北京科技大學
• 主分類號: H04W16/22
• 分類號: H04W16/22;H04W72/04;H04W72/12;H04B17/391;H04B17/345
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波;付忠林

1.一種網絡資源調度方法，其特征在于，所述方法包括：

對太赫茲室內傳播環境進行建模，得到太赫茲室內傳播環境的信道模型；

將聯合資源調度問題解耦為子信道分配和功率分配兩個子問題；

基于鯨魚優化算法，對所述信道模型進行求解，得到子信道分配和功率分配的最優解，以根據求得的子信道分配和功率分配的最優解實現網絡資源調度；

基于鯨魚優化算法，對所述信道模型進行求解，得到子信道分配的最優解，包括：

S1，隨機為用戶分配功率，初始化子信道分配因子等效的位置向量，

S2，根據初始條件計算初始適應度值；

S3，在算法迭代過程中，假設當前最優候選解為目標獵物，座頭鯨實時更新自己的位置以尋找最佳的搜索代理，按照第一策略計算位置向量；

S4，隨機選擇某鯨魚的位置作為參考，按照第二策略更新位置向量；

S5，在座頭鯨和目標獵物之間建立一個螺旋方程，來模仿座頭鯨的螺旋形捕食行為，按照第三策略更新當前位置向量；

S6，計算每一次的適應度值，選擇最優位置更新位置向量；

S7，迭代執行S3～S6，直到最大迭代次數為止，輸出最優子信道分配解；

基于鯨魚優化算法，對所述信道模型進行求解，得到功率分配的最優解，包括：

S1，隨機為用戶分配功率，初始化功率分配因子等效的位置向量；

S2，根據初始條件計算初始適應度值；

S3，在算法迭代過程中，假設當前最優候選解為目標獵物，座頭鯨實時更新自己的位置以尋找最佳的搜索代理，按照第一策略計算位置向量；

S4，隨機選擇某鯨魚的位置作為參考，按照第二策略更新位置向量；

S5，在座頭鯨和目標獵物之間建立一個螺旋方程，來模仿座頭鯨的螺旋形捕食行為，按照第三策略更新當前位置向量；

S6，計算每一次的適應度值，選擇最優位置更新位置向量；

S7，迭代執行S3～S6，直到最大迭代次數為止，輸出最優功率分配解；

所述第一策略為：

每個用戶都被視為一條鯨魚，待求解因子等效為這條座頭鯨的位置向量；定義參數和為0到1之間的隨機數，為從2遞減到0的線性向量；

根據公式和更新參數和

在算法迭代過程中，當|Y|＜1時，假設當前最優候選解為目標獵物，座頭鯨實時更新自己的位置以尋找最佳的搜索代理；

所述第二策略為：

算法從一組隨機解開始，在每次迭代中，當|Y|≥1時，鯨魚根據隨機選擇的搜索代理實時更新自己的位置；

所述第三策略為：

在座頭鯨和目標獵物之間建立一個螺旋方程，來模仿座頭鯨的螺旋形捕食行為，所述螺旋方程的表達式為：

其中，表示個體鯨魚到處于最佳位置的座頭鯨的距離向量，n為當前迭代次數，為局部最優解，表示鯨魚的位置向量，a是一個常量，表示座頭鯨螺旋游動的路線形狀，w為-1到1之間的隨機向量，γ表示更新權值；

在所述第三策略中γ＝γ_min+(γ_max-γ_min)min(var({f_obj}),1)；其中，γ_min表示最小權值，γ_max表示最大權值，f_obj為各個鯨魚所對應的適應度值；在算法迭代初期，方差var(f_obj)取1，隨著迭代次數的增加，方差變小，更新權值也隨之變小。

2.一種網絡資源調度裝置，其特征在于，所述裝置包括：

信道模型建模模塊，用于對太赫茲室內傳播環境進行建模，得到太赫茲室內傳播環境的信道模型；

解耦模塊，用于將聯合資源調度問題解耦為子信道分配和功率分配子問題；

子信道分配和功率分配最優解求解模塊，用于基于鯨魚優化算法，對所述信道模型進行求解，得到子信道分配和功率分配的最優解，以根據求得的子信道分配和功率分配的最優解實現網絡資源調度；

基于鯨魚優化算法，對所述信道模型進行求解，得到子信道分配的最優解，包括：

S1，隨機為用戶分配功率，初始化子信道分配因子等效的位置向量，

S2，根據初始條件計算初始適應度值；

S3，在算法迭代過程中，假設當前最優候選解為目標獵物，座頭鯨實時更新自己的位置以尋找最佳的搜索代理，按照第一策略計算位置向量；

S4，隨機選擇某鯨魚的位置作為參考，按照第二策略更新位置向量；

S5，在座頭鯨和目標獵物之間建立一個螺旋方程，來模仿座頭鯨的螺旋形捕食行為，按照第三策略更新當前位置向量；

S6，計算每一次的適應度值，選擇最優位置更新位置向量；

S7，迭代執行S3～S6，直到最大迭代次數為止，輸出最優子信道分配解；

基于鯨魚優化算法，對所述信道模型進行求解，得到功率分配的最優解，包括：

S1，隨機為用戶分配功率，初始化功率分配因子等效的位置向量；

S2，根據初始條件計算初始適應度值；

S3，在算法迭代過程中，假設當前最優候選解為目標獵物，座頭鯨實時更新自己的位置以尋找最佳的搜索代理，按照第一策略計算位置向量；

S4，隨機選擇某鯨魚的位置作為參考，按照第二策略更新位置向量；

S5，在座頭鯨和目標獵物之間建立一個螺旋方程，來模仿座頭鯨的螺旋形捕食行為，按照第三策略更新當前位置向量；

S6，計算每一次的適應度值，選擇最優位置更新位置向量；

S7，迭代執行S3～S6，直到最大迭代次數為止，輸出最優功率分配解；

所述第一策略為：

每個用戶都被視為一條鯨魚，待求解因子等效為這條座頭鯨的位置向量；定義參數和為0到1之間的隨機數，為從2遞減到0的線性向量；

根據公式和更新參數和

在算法迭代過程中，當|Y|＜1時，假設當前最優候選解為目標獵物，座頭鯨實時更新自己的位置以尋找最佳的搜索代理；

所述第二策略為：

算法從一組隨機解開始，在每次迭代中，當|Y|≥1時，鯨魚根據隨機選擇的搜索代理實時更新自己的位置；

所述第三策略為：

在座頭鯨和目標獵物之間建立一個螺旋方程，來模仿座頭鯨的螺旋形捕食行為，所述螺旋方程的表達式為：

其中，表示個體鯨魚到處于最佳位置的座頭鯨的距離向量，n為當前迭代次數，為局部最優解，表示鯨魚的位置向量，a是一個常量，表示座頭鯨螺旋游動的路線形狀，w為-1到1之間的隨機向量，γ表示更新權值；

在所述第三策略中γ＝γ_min+(γ_max-γ_min)min(var({f_obj}),1)；其中，γ_min表示最小權值，γ_max表示最大權值，f_obj為各個鯨魚所對應的適應度值；在算法迭代初期，方差var(f_obj)取1，隨著迭代次數的增加，方差變小，更新權值也隨之變小。