有比例率约束的异构网络无线资源分配方法.pdf

本发明提供一种有比例率约束的异构网络无线资源分配方法，包括以下步骤：步骤1，智能集中控制器收集异构网络中可用的无线资源；步骤2，智能集中控制器收集用户设备的资源使用申请；步骤3，智能集中控制器采用细菌菌落算法对异构网络中的无线资源进行分配。本发明提供的资源分配方法在比例率约束条件下，以系统总速率最大化为目标，对异构网络无线资源进行分配，高效、可靠，可以显著提高异构网络中系统的总速率。

权利要求书1.  一种有比例率约束的异构网络无线资源分配方法，其特征在于，包括以下步骤： 步骤1、异构网络智能集中器收集可用的无线资源； 步骤2、异构网络智能集中器收集用户设备的资源使用申请；以及 步骤3、异构网络智能集中器使用细菌菌落优化算法对无线资源进行分配。 2.  根据权利要求1所述的有比例率约束的异构网络无线资源分配方法，其特征在 于，步骤1所述的异构网络智能集中器收集可用的无线资源，包括LTE和WLAN。 3.  根据权利要求1所述的有比例率约束的异构网络无线资源分配方法，其特征在 于，步骤3所述的异构网络智能集中器使用细菌菌落优化算法对无线资源进行分配，具 体步骤如下： 步骤3.1、初始化细菌菌落优化算法的参数； 步骤3.2、随机产生Si个个体，对每个个体进行评估，评价最优个体； 步骤3.3、根据细菌适应值变化方向对细菌进行泳动、翻滚或停留操作； 步骤3.4、根据细菌适应值变化的方向和次数确定细菌的动作-繁殖、死亡或不变； 步骤3.5、重复步骤3.2～3.4，直至最大迭代次数或种群个体数为0，输出最优个体 解。 4.  根据权利要求3所述的有比例率约束的异构网络无线资源分配方法，其特征在 于，步骤3.1所述的初始化细菌菌落优化算法的参数，具体为： 初始化种群初始数量Si、种群最大数量S，最大迭代次数GENMAX，个体最长寿 命N，繁殖条件NH，死亡条件NL，系数c1、c2、R。 5.  根据权利要求4所述的有比例率约束的异构网络无线资源分配方法，其特征在 于，步骤3.2，随机产生Si个个体，对每个个体进行评估，初始化的个体满足公式(1)， (2)，(3)： Σ i = 0 L α ik ≤ 1 , ∀ k ; α ik { 0,1 } , ∀ i , k - - - ( 1 ) ]]> Σ i = 0 K f kn ≤ 1 , ∀ n ; f kn ∈ { 0,1 } , ∀ k , n - - - ( 2 ) ]]> Σ i = 0 K t ik ≤ 1 , ∀ i ; t kn ∈ [ 0,1 ] , ∀ k , i - - - ( 3 ) ]]> 其中，αik表示第k个用户被分配到第i个网络上，fkn表示第k个用户被分配到LTE 第n个资源元素上，tki表示第k个用户分配到第i个WLAN的时间片段，L是可以网络 的个数，K是用户个数。 对个体的评价按公式(4)进行： f ( X i ) = MIN { 1 γ k ( Σ n = 1 N f kn r 0 kn + Σ i = 1 L t ki r ki ) , ∀ k } - - - ( 4 ) ]]> 其中，γk是比例约束系数，r0kn表示用户k所在的LTE的第n个资源元素的速率，rki表示用户k所在的第i个WLAN的速率，tki表示第k个用户分配到第i个WLAN的时间 片段，N是OFDM总资源数，L是可以网络的个数。 6.  根据权利要求5所述的有比例率约束的异构网络无线资源分配方法，其特征在 于，步骤3.3，根据细菌适应值变化方向对细菌进行泳动、翻滚或停留操作： 当细菌的第k次迭代的适应度值大于第k-1次迭代的适应度值，细菌进行停留和泳 动，泳动按公式(5)进行： Xk+1＝Xk+C1*r1*(Xk-Xk-1)+C2*r2*(g-Xk)    (5) 当细菌的第k次迭代的适应度值小于第k-1次迭代的适应度值，细菌进行翻滚，翻 滚按公式(6)进行： Xk+1＝Xk-C1*r1*(Xk-Xk-1)+C2*r2*(g-Xk)    (6) 当细菌的第k次迭代的适应度值等于第k-1次迭代的适应度值，细菌进行停留，停 留按公式(7)进行： Xk+1＝Xk+R*r    (7) 其中，C1，C2，R是前述初始化的常数，r、r1和r2是[0,1]之间的随机数，Xk是第k 次迭代的位置，Xk+1是第k-1次迭代的位置，r＝(r1,r2,,,rd),ri是[0,1]之间的随机数，g 是全局最优位置。 7.  根据权利要求6所述的有比例率约束的异构网络无线资源分配方法，其特征在于， 步骤3.4，根据细菌适应值变化的方向和次数确定细菌的动作-繁殖、死亡或不变； 当细菌向适应值变大的方向移动NH次，并且种群规模小于最大数量S，细菌进行繁 殖：细菌生成和自己位置一样的个体； 当细菌向适应值变小的方向移动NL次，细菌死亡； 当细菌向适应值变大的方向和适应值变小的方向交替移动N次，细菌死亡； 其他情况，细菌不变化。

说明书有比例率约束的异构网络无线资源分配方法
技术领域
本发明属于计算机网络技术领域，特别是一种有比例率约束的异构网络无线资源 分配方法。
背景技术
近年来，通信技术发展迅猛，各种无线通信系统为用户提供了各种网络环境，包括 无线个域网、无线局域网、无线城域网、公众移动通信网、卫星网络，以及Ad Hoc网 络、无线传感器网络等。尽管这些无线网络为用户提供了多种多样的通信方式、接入手 段和无处不在的接入服务，但是，每种服务都有各自的特性，例如WLAN能提供高速率， 但是只有在热点地方才能使用，3G网络覆盖范围广但是传输速率低，充分利用不同网 络间的互补特性，实现异构无线网络技术的有机融合能更好的满足用户的需求。
异构网络融合是下一代网络发展的必然趋势。在异构网络融合架构下，一个必须要 考虑并解决的关键问题是：如何使任何用户在任何时间任何地点都能获得具有QoS保证 的服务。异构环境下具备QoS保证的关键技术研究无论是对于最优化异构网络的资源， 还是对于接入网络之间协同工作方式的设计，都是非常必要的，已成为异构网络融合的 一个重要研究方面。目前的研究主要集中在呼叫接入控制(CAC)、垂直切换、异构资源 分配和网络选择等资源管理算法方面。传统移动通信网络的资源管理算法已经被广泛地 研究并取得了丰硕的成果，但是在异构网络融合系统中的资源管理由于各网络的异构 性、用户的移动性、资源和用户需求的多样性和不确定性，给该课题的研究带来了极大 的挑战。
现有技术中的专利1(异构网络的分布式节能资源分配方法，重庆邮电大学，公开 号CN104159314A，申请号CN201410445786，申请日2014.09.03)公开了一种异构网络 的分布式节能资源分配方法，属于异构网自组织网络技术领域。该方法包括以下步骤： 小区内的家庭基站根据其所有用户的受干扰情况得到相应的相邻干扰列表；小区内的家 庭基站根据新的效用函数得到初步子信道分配；小区内的家庭基站基于各自的相邻干扰 列表对确定的初步子信道分配进行协作子信道分配；小区内的家庭基站在确定子信道分 配后根据新的效用函数进行功率分配，宏基站在每个子信道上进行非均匀定价。本方法 可以有效地降低家庭基站之间的同层干扰，有效保证每个子信道上宏用户的QoS要求， 从而有效降低了家庭基站对宏用户的跨层干扰。又如专利2(一种基于凸优化方法的认 知异构网络联合资源分配的方法，哈尔滨工业大学，公开号CN104159311A，申请号 CN201410414601，申请日2014.08.21)一种基于凸优化方法的认知异构网络联合资源分 配的方法，本发明涉及一种基于凸优化方法的认知异构网络联合资源分配的方法。本发 明是要解决目前采用联合分配方法分配带宽和功率从而实现最大化信道容量的算法中， 没有考虑到主用户在一定时间间隔内出现的概率不同的问题而提出的一种基于凸优化 方法的认知异构网络联合资源分配的方法。
发明内容
本发明提供一种有比例率约束的异构网络无线资源分配方法，该资源分配方法在比 例率约束条件下，以系统总速率最大化为目标，对异构网络无线资源进行分配，高效、 可靠，可以显著提高异构网络中系统的总速率。
实现本发明目的的技术解决方案为：
一种有比例约束的异构网络无线资源分配方法，包括以下步骤：
步骤1、异构网络智能集中器收集可用的无线资源；
步骤2、异构网络智能集中器收集用户设备的资源使用申请；以及
步骤3、异构网络智能集中器使用细菌菌落优化算法对无线资源进行分配。
进一步的实施例中，前述步骤3的资源分配，具体步骤如下：
步骤3.1、初始化细菌菌落优化算法的参数；
步骤3.2、随机产生Si个个体，对每个个体进行评估，评价最优个体；
步骤3.3、根据细菌适应值变化方向对细菌进行泳动、翻滚或停留操作；
步骤3.4、根据细菌适应值变化的方向和次数确定细菌的动作-繁殖、死亡或不变；
步骤3.5、重复步骤3.2～3.4，直至最大迭代次数或种群个体数为0，输出最优个体 解。
本发明与现有技术相比，其显著优点在于：(1)采用细菌菌落优化算法进行资源分 配，满足资源分配要求；(2)以速率最大化为目标显著提高异构网络中系统的总速率； (3)为高效利用异构网络中无线资源提供技术支持。
附图说明
图1为本发明有比例约束的异构网络无线资源分配流程图。
图2为本发明异构网络无线资源分配示意图。
图3为本发明细菌菌落算法流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
结合图1，本发明有比例率约束的异构网络无线资源分配方法，包括以下步骤：
步骤1、异构网络智能集中器收集可用的无线资源；
步骤2、异构网络智能集中器收集用户设备的资源使用申请；以及
步骤3、异构网络智能集中器使用细菌菌落优化算法对无线资源进行分配。
本例中，前述步骤1所述的异构网络智能集中器收集可用的无线资源，包括LTE 和WLAN。
图2所示为异构网络无线资源分配示意图。
结合前述图2和图3所示，作为优选，前述步骤3所述的异构网络智能集中器使用 细菌菌落优化算法对无线资源进行分配，具体步骤如下：
步骤3.1、初始化细菌菌落优化算法的参数；
步骤3.2、随机产生Si个个体，对每个个体进行评估，评价最优个体；
步骤3.3、根据细菌适应值变化方向对细菌进行泳动、翻滚或停留操作；
步骤3.4、根据细菌适应值变化的方向和次数确定细菌的动作-繁殖、死亡或不变；
步骤3.5、重复步骤3.2～3.4，直至最大迭代次数或种群个体数为0，输出最优个体 解。
下面结合附图1-3所示，具体说明前述步骤3的示例性实现。
步骤3.1、初始化细菌菌落优化算法的参数
初始化：种群初始数量Si、种群最大数量S，最大迭代次数GENMAX，个体最长 寿命N，繁殖条件NH，死亡条件NL，系数c1、c2、R。
步骤3.2、随机产生Si个个体，对每个个体进行评估，评价最优个体
随机产生Si个个体，对每个个体进行评估，初始化的个体必须满足公式(1)，(2)，(3)：
Σ i = 0 L α ik ≤ 1 , ∀ k ; α ik ∈ { 0,1 } , ∀ i , k - - - ( 1 ) ]]>
Σ i = 0 K f kn ≤ 1 , ∀ n ; f kn ∈ { 0,1 } , ∀ k , n - - - ( 2 ) ]]>
Σ i = 0 K t ik ≤ 1 , ∀ i ; t kn ∈ [ 0,1 ] , ∀ k , i - - - ( 3 ) ]]>
其中，αik表示第k个用户被分配到第i个网络上，fkn表示第k个用户被分配到LTE 第n个资源元素上，tki表示第k个用户分配到第i个WLAN的时间片段，L是可以网络 的个数，K是用户个数。
对每个个体进行评估，评价最优个体，对个体的评价按公式进行：
f ( X i ) = MIN { 1 γ k ( Σ n = 1 N f kn r 0 kn + Σ i = 1 L t ki r ki ) , ∀ k } ]]>
其中，γk是比例约束系数，fkn∈{0,1}，1表示第k个用户被分配到LTE的第n个资 源元素上，r0kn表示用户k所在的LTE的第n个资源元素的速率，tki∈[0,1]表示第k个 用户分配到第i个WLAN的时间片段，rki表示用户k所在的第i个WLAN的速率，N是 OFDM总资源数，L是可以网络的个数。
步骤3.3，根据细菌适应值变化方向对细菌进行泳动、翻滚或停留操作：
当细菌的第k次迭代的适应度值大于第k-1次迭代的适应度值，细菌进行停留和泳动， 泳动按公式(2)进行：
Xk+1＝Xk+C1*r1*(Xk-Xk-1)+C2*r2*(g-Xk)      (2)
当细菌的第k次迭代的适应度值小于第k-1次迭代的适应度值，细菌进行翻滚，翻滚按 公式(3)进行：
Xk+1＝Xk-C1*r1*(Xk-Xk-1)+C2*r2*(g-Xk)     (3)
当细菌的第k次迭代的适应度值等于第k-1次迭代的适应度值，细菌进行停留，停留按 公式(4)进行：
Xk+1＝Xk+R*r       (4)
其中，C1，C2，R是常数，r、r1和r2是[0,1]之间的随机数，Xk是第k次迭代的位置，Xk+1 是第k-1次迭代的位置，r＝(r1,r2,,,rd),ri是[0,1]之间的随机数，g是全局最优位置。
步骤3.4，根据细菌适应值变化的方向和次数确定细菌的动作-繁殖、死亡或不变；
当细菌向适应值变大的方向移动NH次，并且种群规模小于最大数量S，细菌进行繁 殖：细菌生成和自己位置一样的个体。
当细菌向适应值变小的方向移动NL次，细菌死亡。
当细菌向适应值变大的方向和适应值变小的方向交替移动N次，细菌死亡。
其他情况，细菌不变化。
步骤3.5，重复步骤3.2～3.4，直至最大迭代次数或种群个体数为0，输出最优个体 解。
实施例1
本发明采用细菌菌落优化算法进行资源分配，步骤如下：
步骤1，异构网络智能集中器收集可用的无线资源；。
所述无线资源包括3GPP LTE网络和4个WLAN网络，LTE网络覆盖半径500m， WLAN网络覆盖半径200m，，LTE的带宽为10MHz，有1024个子载波，基站传输功率 43dBm，路径损耗34.3+37.5log(d)，噪声功率密度-175dBm/Hz，噪声系数9dB，信噪比 差额-log(5BERtarget)/1.5，目标误码率10-5；WLAN网络的基站传输功率23dBm，路径 损耗37.2+31log(d)，约束比例为R1:R2:…:RK＝γ1:γ2:…:γK。
步骤2，异构网络智能集中器收集用户设备的资源使用申请。
结合图2，随机产生30个用户分布在区域内。
步骤3，异构网络智能集中器采用细菌菌落优化算法对无线资源进行分配。
结合图3所示的细菌菌落优化算法的流程：
首先，初始化细菌菌落优化算法的参数，初始化种群初始数量Si＝4、种群最大数量 S＝30，最大迭代次数GENMAX＝100，个体最长寿命N＝4，繁殖条件NH＝2，死亡条件 NL＝2，系数c1＝c2＝0.2，R＝0.1。
然后，对每个个体进行评估，评价最优个体，对个体的评价按公式(1)进行。
其次，当细菌的第k次迭代的适应度值大于第k-1次迭代的适应度值，细菌进行停 留和泳动，当细菌的第k次迭代的适应度值小于第k-1次迭代的适应度值，细菌进行翻 滚，当细菌的第k次迭代的适应度值等于第k-1次迭代的适应度值，细菌进行停留。
再次，当细菌向适应值变大的方向移动NH次，并且种群规模小于最大数量S，细菌 进行繁殖；当细菌向适应值变小的方向移动NL次或者向适应值变大的方向和适应值变 小的方向交替移动N次细菌死亡；其他情况，细菌不变化。
最后，重复步骤3.2～3.4，直至最大迭代次数或种群个体数为0，输出最优个体解。
综上所述，本发明提供的资源分配方法在比例率约束条件下，以系统总速率最大化 为目标，对异构网络无线资源进行分配，高效、可靠，可以显著提高异构网络中系统的 总速率。