[發明專利]一種基于多目標的異構無線網絡業務接入控制方法及裝置

有效

• 申請號: 202210060061.1
• 申請日: 2022-01-19
• 公開（公告）號: CN114363996B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 周欣欣;高志蕊;朱光偉;衣雪婷;孟炫宇;郭樹強;霍光
• 申請（專利權）人: 東北電力大學
• 主分類號: H04W48/18
• 分類號: H04W48/18;H04W48/16;H04W24/02;H04W24/06
• 代理公司: 北京鍾維聯合知識產權代理有限公司 11579
• 代理人: 郝姍姍

1.一種基于多目標的異構無線網絡業務接入控制方法，其特征在于，具體包括以下步驟：

步驟1000：在用戶接入網絡時，獲取網絡中存在的網絡數量和用戶業務數量參數；

步驟2000：根據異構無線網絡狀態，獲取異構無線網絡環境中的實時業務與非實時業務的速率、信道帶寬、信號功率、噪聲功率和二維資源單元數參數；

步驟3000：計算用戶信息傳輸速率r(x)，計算方法見公式(1)：

其中，b_ij表示業務i在網絡j中分配到的信道帶寬，S_ij表示業務i在網絡j中的信號功率，N_ij表示業務i在網絡j中的噪聲功率，m表示網絡數量總個數；

步驟4000：計算業務資源占有量f(x)，計算方法見公式(2)：

其中，x_ij表示業務i接入到網絡j中的情況，t_ij表示業務i接入到網絡j所占用的二維資源單元數，n為業務數量總個數，m為網絡數量總個數；

步驟5000：計算網絡阻塞率g(x)，計算方法見公式(3)：

其中，x_ij表示業務i接入到網絡j中的情況，n表示業務數量總個數，m表示網絡數量總個數；

步驟6000：確定異構無線網絡業務接入控制的目標函數，目標函數見公式(4)：

其中，maxr(x)為最大化信息傳輸速率，b_ij表示業務i在網絡j中分配到的信道帶寬，S_ij表示業務i在網絡j中的信號功率，N_ij表示業務i在網絡j中的噪聲功率，j的取值范圍為[1,m]，i的取值范圍為[1,n]；minf(x)為最小化業務資源占有量，x_ij表示業務i接入到網絡j中的情況，t_ij表示業務i接入到網絡j所占用的二維資源單元數，n表示業務數量總個數，m表示網絡數量總個數；ming(x)為最小化網絡阻塞率；

步驟7000：利用改進引力搜索算法得到最優粒子，根據支配關系更新外部歸檔集，進一步包括以下步驟：

步驟7010：隨機生成初始種群，設置種群迭代次數，外部歸檔集最大值，萬有引力常量G₀，初始化粒子的位置x、速度v；

步驟7020：根據步驟6000所述的異構無線網絡業務接入控制的目標函數見公式(4)，計算每個粒子的適應度值；

步驟7030：計算粒子的權重向量：對M維空間進行采樣，H為每個目標方向上采樣數量，在尋優空間中得到個均勻分布的權重向量，其規定采樣步長表示為δ＝1/H，輸出均勻分布的向量集合A，集合A＝{0,1/H,2/H,...,1}，從集合A里面選擇出m個數，使得這m個數的和為1，也即λ₁+λ₂+...+λ_m＝1，其中λ₁λ₂...λ_m為權重向量；

步驟7040：根據每個粒子的權重向量，采用公式(5)將目標聚合；

ming^te(x|λ,z^*)＝max{|λ₁(f(x)-z₁^*)|,|λ₂(g(x)-z₂^*)|,|λ₃(r(x)-z₃^*)|} (5)

其中，r(x)為信息傳輸速率；f(x)為業務資源占有量；g(x)為網絡阻塞率；λ＝(λ₁,...,λ_m)為權重，λ_m取值范圍為[0,1]；是由各目標函數最優值構成的參考點，進化過程中通過計算個體最優值與參考點之間的距離來判定種群個體適應度值的優劣，距離越小其適應度值越優；

步驟7050：假設粒子的M_ai(t)、M_bi(t)、M_ii(t)和M_i(t)值相等，計算粒子慣性質量，計算方法見公式(6)：

其中，M_ai(t)為t時刻受力個體i的主動引力質量，M_bi(t)為t時刻施力個體i的被動引力質量，M_ii(t)表示t時刻粒子i的慣性質量，M_i(t)為t時刻某次迭代時粒子i的質量，m_i(t)為t時刻第i個粒子的個體質量，m_j(t)為第j個粒子的個體質量，j的取值范圍為[1,N]，N為搜索空間中存在N個粒子，fit_i(t)表示粒子的適應度值，worst(t)表示質量最大粒子的適應度值，best(t)表示質量最小粒子的適應度值，worst(t)、best(t)的定義見公式(7)：

其中，i的取值范圍為[1,N]，N為搜索空間中存在N個粒子，fit(t)表示t時刻粒子的適應度值；

步驟7060：計算在第t次迭代中種群中粒子j對粒子i的作用力計算公式見公式(8)：

其中，為t時刻種群中粒子j對粒子i的作用力，表示t時刻粒子i在第D維空間的位置，表示粒子j在第D維空間的位置信息，R_ij(t)表示t時刻粒子i與粒子j之間的歐氏距離，ε為最小數值，防止分母為0，M_aj(t)代表t時刻受力個體j的主動引力質量，M_bi(t)表示t時刻施力個體i的被動引力質量，G(t)為t時刻的引力常量，其計算公式見公式(9)：

G(t)＝G₀×e^-αt/T (9)

其中，G₀為常系數的初始值，常設定為100，α為下降系數，常設定為20，t為當前迭代次數，T為總迭代次數；

步驟7070：計算粒子加速度，粒子i在t時刻的加速度計算公式見公式(10)：

其中，為t時刻粒子i在d維空間的加速度，M_ii(t)表示t時刻粒子i的慣性質量，F_i^d(t)為t時刻粒子i在d維空間的作用力，計算公式見公式(11)：

其中，rand_j取值范圍為[0,1]，表示t時刻在種群中粒子j對粒子i的作用力，D為維度，N為D維搜索空間中存在N個粒子；

步驟7080：采用公式(12)(13)的異步學習因子，記憶粒子自身最優信息與種群最優信息；

c₁＝c_{1_ini}+(c_{1_fin}-c_{1_ini})*t/T (12)

c₂＝c_{2_ini}+(c_{2_fin}-c_{2_ini})*t/T (13)

其中，c_{1_ini}、c_{2_ini}代表著初始學習能力，c_{1_fin}、c_{2_fin}代表迭代結束時的學習能力，t表示當前迭代次數，T表示最大迭代次數；

步驟7090：將粒子速度正弦值映射為粒子位置向量改變的概率值，計算公式見公式(14)；

其中，v為粒子的速度值，f(v)為將粒子速度正弦值映射為粒子位置向量改變的概率值；

步驟7100：利用公式(15)改變粒子的搜索路徑；

其中，Levy(ε)為萊維飛行搜索路徑，u服從正態分布曲線，β取值范圍為(0,2)，u～N(0,σ²)，v～N(0,1)，σ定義如下：

其中，β取值范圍為(0,2)，Γ表示伽馬函數，通過公式(15)(16)確定萊維飛行的搜索路徑Levy(ε)；

步驟7110：根據步驟7020到步驟7100所得到的最優粒子的適應度值根據公式(17)的非支配排序對粒子進行更新：

其中，對于最小化問題，X₁、X₂是非支配排序前存在兩個解，解X₁在所有目標上的數值均不劣于X₂，且在X₁上，至少有一個目標函數值優于X₂，稱為X₁支配X₂，X₁為非支配解，X₂為支配解；

步驟7120：將得到的最優粒子根據支配關系更新外部歸檔集，執行步驟8000；

步驟8000：對步驟7120所得到的外部歸檔集采用數據場和旋轉基技術引導種群進化，進一步包括以下步驟：

步驟8100：判斷外部歸檔集中非支配解的數量與其擁有非支配解的最大值，若超出其最大值，則進行步驟8200進行外部歸檔集的調整刪減，否則執行步驟8300，得到第1類引導粒子；

步驟8200：將外部歸檔集中的非支配解集映射到引力數據場中，引入數據場中勢能的計算方法，其計算公式見公式(18)，計算外部歸檔集中每個粒子的勢能，并對外部歸檔集進行刪減，逐步刪除勢能大的粒子，直到非支配解集的數量為外部歸檔集的最大值，對粒子i的數據勢能計算公式為：

其中：ψ(x_i)為第i個粒子的數據勢能，ρ_j代表粒子j在數據場中的屬性值，σ為粒子在數據場中的影響因子，x_i為第i個粒子的位置信息，R_ij表示粒子i與粒子j之間的歐氏距離，N為搜索空間中存在N個粒子；

步驟8300：引入粒子的數據場勢能公式(18)，計算外部歸檔集中每個粒子的勢能，反映種群粒子的分布形式，對每個粒子的勢能進行排序，依據勢能大小選擇引導粒子，由數據場勢能原理選擇的粒子稱為第1類引導粒子，將其命名為GF；

步驟8400：選取進化種群中分布性好的粒子作為第2類引導粒子，將其命名為GE，進一步包括以下步驟：

步驟8410：對外部歸檔集中的粒子按照公式(17)進行非支配排序，并按照粒子排序的不同將粒子放置在不同層；

步驟8420：利用分布程度指標F_i，見公式(19)，計算解集在目標空間中的分布程度，其值越小，解集在目標空間中分布越均勻，分布程度指標F_i定義為：

其中，K代表Pareto解集中所擁有的解的數量，用表示它們之間的平均距離，d_i表示為第i個非劣解的目標向量到最優解目標向量的距離，d_i的計算公式為公式(20)：

其中，表示第i個非劣解的目標向量，表示第j個非劣解的目標向量，j和i不相等，k的取值范圍為[1,K]，K代表Pareto解集中所擁有的解的數量；

步驟8430：采用旋轉基技術，在每次迭代的終點與繪制基點的連線形成旋轉角，將旋轉角度累加繪制成映射折線，最優解在各目標上的性能越均衡，最終映射折線會越趨近于一條直線，利用映射折線與最優解性能之間的關系，對外部歸檔集中的粒子進行排序后，若粒子的分布性指標均相同，采用旋轉基映射折線距離L來進行輔助判別，選擇粒子質量大，分布均勻的粒子進行引導粒子進化，L的定義見公式(21)：

其中，θ_i、θ_j分別表示第i次和第j次旋轉所形成的角度，r為旋轉的最大次數，L為旋轉基映射折線距離；

步驟8440：最終選擇粒子質量大，分布均勻的粒子作為第2類引導粒子，將其命名為GE；

步驟8500：根據步驟8400所選擇出的距離大的S_GE個第2類引導粒子，以步驟7000改進的引力搜索算法進化方式對種群粒子進行引導進化，第2類引導粒子的具體引導方式為：

其中，為t+1時刻第2類引導粒子，表示t時刻第j個第2類引導粒子的質量，R_ij(t)表示t時刻粒子i與粒子j之間的歐氏距離，x_i(t)和x_j(t)分別表示粒子i和粒子j在t時刻的位置信息，G為引力常數，S_GE為第2類引導粒子的數量；

步驟8600：種群粒子在GF、GE兩類引導粒子的共同引導下運動，粒子的速度及位置信息的更新方式如公式(23)所示：

rand_i的取值范圍是[0,1]，表示粒子i在t時刻的速度，表示粒子i在t+1時刻的速度，代表粒子i在t+1時刻的位置信息，為t+1時刻第1類引導粒子，為t+1時刻第2類引導粒子；

步驟8700：若達到足夠好的適應度值或達到最大迭代次數，則終止循環，執行步驟9000，否則轉到步驟7020繼續執行；

步驟9000：輸出最優解集，即為獲得的最優異構無線網絡業務接入控制方案。

2.一種采用如權利要求1任一項所述的一種基于多目標的異構無線網絡業務接入控制方法的裝置，所述裝置包括：

數據采集模塊：用于采集步驟1000、步驟2000所述的參數；

目標函數確定模塊：根據步驟3000、4000和5000所述的用戶信息傳輸速率、業務資源占有量和網絡阻塞率，確定步驟6000所述的多目標優化函數模型；

模型求解模塊：利用步驟7000、步驟8000所述的求解算法對步驟6000所述的多目標優化函數模型進行求解，最終獲得最優的異構無線網絡業務接入方案。