[發(fā)明專(zhuān)利]一種基于改進(jìn)遺傳算法的蜂窩網(wǎng)絡(luò)資源分配方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110579983.9
• 申請(qǐng)日: 2021-05-26
• 公開(kāi)（公告）號(hào): CN113301576B
• 公開(kāi)（公告）日: 2023-03-21
• 發(fā)明（設(shè)計(jì)）人: 潘甦;徐世凡
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京郵電大學(xué)
• 主分類(lèi)號(hào): H04W16/10
• 分類(lèi)號(hào): H04W16/10;H04W16/22
• 代理公司: 南京正聯(lián)知識(shí)產(chǎn)權(quán)代理有限公司 32243
• 代理人: 王素琴

一種基于改進(jìn)遺傳算法的蜂窩網(wǎng)絡(luò)資源分配方法，提出一種啟用緩存的蜂窩網(wǎng)絡(luò)架構(gòu)，根據(jù)用戶(hù)請(qǐng)求資源在基站處是否存在有不同的傳輸鏈路，結(jié)合用戶(hù)關(guān)聯(lián)，將資源分配問(wèn)題轉(zhuǎn)化為求解約束優(yōu)化問(wèn)題，引入改進(jìn)的遺傳算法對(duì)優(yōu)化問(wèn)題進(jìn)行求解，完成資源分配。在改進(jìn)的遺傳算法中，設(shè)計(jì)了適應(yīng)性函數(shù)、自適應(yīng)交叉和變異概率、交叉和變異算子，有較好的全局搜索能力，不易陷入局部最優(yōu)，收斂速度快。結(jié)合緩存設(shè)置和合理的分配策略，可以提高整個(gè)系統(tǒng)的吞吐量。

技術(shù)領(lǐng)域

本發(fā)明屬于蜂窩網(wǎng)絡(luò)資源分配技術(shù)領(lǐng)域，具體涉及一種基于改進(jìn)遺傳算法的蜂窩網(wǎng)絡(luò)資源分配方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)上的資源日益豐富，越來(lái)越多的人通過(guò)移動(dòng)終端來(lái)獲取資源，相應(yīng)的對(duì)于移動(dòng)通信的要求也越來(lái)越高，無(wú)線(xiàn)資源也越來(lái)越緊張。通過(guò)部署大量低能耗，低成本的小基站，相對(duì)于宏基站可以提高總的系統(tǒng)容量和頻譜利用率，解決盲區(qū)，覆蓋弱等問(wèn)題。同時(shí)小基站的密集部署也帶來(lái)了基站間干擾的問(wèn)題，需要采用合理的資源分配方式來(lái)解決。此外，迅速增長(zhǎng)的數(shù)據(jù)業(yè)務(wù)已經(jīng)替代傳統(tǒng)的語(yǔ)音業(yè)務(wù)成為新主流的業(yè)務(wù)，大量用戶(hù)對(duì)數(shù)據(jù)業(yè)務(wù)的請(qǐng)求主要集中在視頻、資訊等少數(shù)熱點(diǎn)內(nèi)容。啟用緩存的蜂窩網(wǎng)絡(luò)在小基站處布置有熱點(diǎn)內(nèi)容的緩存，用戶(hù)請(qǐng)求的內(nèi)容可以由基站緩存處直接傳輸，而無(wú)需到內(nèi)容提供商的服務(wù)器請(qǐng)求，可以有效的減輕網(wǎng)絡(luò)的負(fù)擔(dān)，提高系統(tǒng)的傳輸效率，是研究的熱點(diǎn)。對(duì)于啟用緩存的蜂窩網(wǎng)絡(luò)，也需要新的有效的資源分配方式才能有限的發(fā)揮緩存的優(yōu)勢(shì)。

對(duì)于蜂窩網(wǎng)絡(luò)的資源分配，常用的方法是將其轉(zhuǎn)化為優(yōu)化問(wèn)題。對(duì)于優(yōu)化問(wèn)題的求解一般有兩種思路，一種是確定性的算法，大多是基于目標(biāo)函數(shù)的梯度或是高階導(dǎo)數(shù)，如梯度下降法，拉格朗日乘子法等，對(duì)于非凸問(wèn)題，如果不能設(shè)置較好的迭代初值，算法很容易陷入局部最優(yōu)解而不能收斂到全局最優(yōu)；另一種是啟發(fā)式的進(jìn)化算法，主要包括遺傳算法，模擬退火算法，粒子群算法等，這類(lèi)算法模仿自然界的某些規(guī)律，從隨機(jī)解出發(fā)進(jìn)行搜索，通過(guò)適應(yīng)性函數(shù)對(duì)種群進(jìn)行評(píng)價(jià)，進(jìn)行迭代尋找最優(yōu)解。

遺傳算法主要包括一下幾個(gè)步驟，首先隨機(jī)產(chǎn)生初始種群，用適應(yīng)性函數(shù)對(duì)種群中的個(gè)體進(jìn)行適應(yīng)性評(píng)價(jià)，描述其優(yōu)劣度，按照概率從種群中選出個(gè)體進(jìn)行交叉和變異操作，對(duì)其中適應(yīng)度好的個(gè)體進(jìn)行保留，差的個(gè)體進(jìn)行淘汰，構(gòu)成新的種群，并對(duì)新種群繼續(xù)進(jìn)行迭代優(yōu)化，值至滿(mǎn)足停止條件。遺傳算法的適應(yīng)性函數(shù)不受連續(xù)可微的約束，應(yīng)用范圍廣，具有較好的全局搜索能力，也存在過(guò)早收斂的問(wèn)題，需要予以改進(jìn)。

發(fā)明內(nèi)容

本發(fā)明提出了一種基于改進(jìn)遺傳算法的蜂窩網(wǎng)絡(luò)資源分配方法，可以有效的對(duì)蜂窩網(wǎng)絡(luò)進(jìn)行資源分配，提高系統(tǒng)的吞吐量，具體如下：

一種基于改進(jìn)遺傳算法的蜂窩網(wǎng)絡(luò)資源分配方法，包括如下步驟：

步驟1，建立帶有緩存的蜂窩網(wǎng)絡(luò)系統(tǒng)模型，分析各用戶(hù)的傳輸速率以及系統(tǒng)總的傳輸速率；

步驟2，將用戶(hù)與小基站關(guān)聯(lián)，以系統(tǒng)總吞吐量最大為目標(biāo)，建立約束優(yōu)化問(wèn)題；

步驟3，結(jié)合罰函數(shù)設(shè)計(jì)適應(yīng)性評(píng)價(jià)函數(shù)，對(duì)種群進(jìn)行適應(yīng)性評(píng)價(jià)，目標(biāo)函數(shù)值優(yōu)的個(gè)體適應(yīng)性好，目標(biāo)函數(shù)值劣的個(gè)體適應(yīng)性差；

步驟4，根據(jù)迭代次數(shù)計(jì)算交叉和變異概率；

步驟5，對(duì)種群中選中的個(gè)體進(jìn)行交叉和變異操作，并進(jìn)行迭代，直至滿(mǎn)足終止條件，最終得到最優(yōu)的資源分配方案，并依次完成資源的分配。

進(jìn)一步地，所述步驟1中，啟用緩存的蜂窩網(wǎng)絡(luò)由一個(gè)云池和連接在云池上的L個(gè)基站組成，每個(gè)基站和云池都有一定的緩存容量，網(wǎng)絡(luò)中共有U個(gè)用戶(hù)，每個(gè)基站有N個(gè)子信道，每個(gè)信道只分配給一個(gè)用戶(hù)，每個(gè)小基站處緩存內(nèi)容的數(shù)量為G，云池處緩存的內(nèi)容數(shù)量為M，其中M≤G；

設(shè)定傳輸路徑一，當(dāng)用戶(hù)直接請(qǐng)求基站處的緩存內(nèi)容時(shí)，傳輸速率為：