基于改进粒子群算法的OFDM系统资源分配

提出一种具有全局优化能力的改进粒子群算法,将信道分配和比特功率分配问题相结合,实现电力线信道下多用户自适应OFDM比特功率分配。在典型低压电力线通信信道环境下的matlab仿真结果表明:本文提出的算法可行且有效,适合多用户通信环境,节省了多用户自适应OFDM系统的运算时间,降低了发射功率,且算法简单易操作,有望应用于更广泛的优化问题。     

基于改进人工鱼群算法的多用户OFDM系统自适应资源分配*

在鱼群算法中提出了人工鱼的吞食行为,对算法进行了改进,在保证算法性能的前提下明显降低了人工鱼群算法的复杂度。通过对多用户OFDM系统模型的分析,结合对用户公平性的考虑,给出了该系统中自适应资源分配问题的目标函数。用改进鱼群算法在保证用户公平性的基础上,很好地解决了多用户OFDM中的自适应资源分配问题,实现系统总传输速率最大化。     

一种基于混沌粒子群优化的OFDM系统资源分配算法

针对无线多用户正交频分复用（OFDM）系统中功率分配问题,提出一种基于效用函数最大化框架的资源分配算法.在实际网络环境中,此类最优化算法为非凸的,利用经典最优化方法很难解决.为此,将智能优化中的粒子群方法应用到非凸优化算法设计中,并针对粒子群优化容易陷入局部极值点的问题,将Logistic混沌搜索嵌入PSO算法中,提出混沌粒子群算法.与同类算法相比,所提出算法不仅有效解决了非凸性问题,而且可以使系统具有更好的性能.     

基于改进PSO_GA联合算法的电力线多用户通信资源分配

针对电力线信道在传输速率受限、子载波单用户独享和兼顾用户公平性的约束条件下,以余量自适应(MA)为准则,提出一种基于粒子群优化遗传(PSO_GA)联合算法的多用户自适应OFDM系统子载波和比特分配。在此联合算法中利用改进PSO算法中更新粒子速度和位置的思路来重构GA算法中的交叉、变异操作,可克服PSO算法早熟收敛、GA收敛速度慢等问题,能够提高联合算法对全局最优解的搜索能力及收敛速度。在典型电力线衰落信道下的实验结果表明,相比于已有的资源分配算法,基于所提联合算法的系统资源分配方案随着用户数增多,其收敛速度明显加快,且系统所需发射总功率最小,有效地提高了系统通信性能,从而充分证实了所提联合算法的有效性。     

实时多用户OFDM系统资源次优分配算法

在多用户正交频分复用(OFDM)系统自适应资源分配的问题中,针对Wong算法求解过程计算复杂度高,提出了一种易于实现的改进算法,可以充分利用信道的瞬时特性进行资源分配,并能对多用户要求共享同一子载波进行仲裁,在保证各个用户传输速率和误码率要求的前提下,使系统总的发射功率达到最低,以较小的计算复杂度获得较高的性能。仿真试验表明,使用这种方案的多用户OFDM系统的性能明显优于使用各种静态算法方案的系统.     

基于信道聚合的OFDM自适应资源分配算法

针对OFDM系统中多用户自适应资源分配问题,提出了一种新的基于信道聚合和遗传算法的自适应资源分配算法。该算法首先将所有子载波均匀分组,将子载波分配问题转化成子载波组分配问题。然后,兼顾用户之间的公平性,引入遗传算法,实现用户间的资源分配。仿真结果表明,与现有的算法相比,新算法在保证用户公平性的同时,有效地降低了计算复杂度和获得系统最优解的计算时间,实现系统总的容量最大化。     

电力线通信中动态子载波组分配

针对电力线通信自适应OFDM系统的限制条件,探讨在每OFDM符号内各RT用户要求的约束下,研究系统总功率地窖注水分配后多子载波上的速率自适应子载波分配模型,提出一种新的动态子载波组分配算法。在典型电力线信道环境下对其仿真,并与另外两种分配算法进行比较,结果表明,本文动态子载波组分配算法的复杂度大大减小,能满足多用户资源分配的多目标要求。     

基于克隆粒子群优化算法的多用户检测器

针对经典离散粒子群优化算法收敛性差的缺点,设计了基于新的运动方程的离散粒子群优化算法。为了解决CDMA系统多用户检测这个NP完全问题,基于免疫克隆选择理论和新的粒子群优化算法,提出了克隆粒子群优化算法,其中,由神经元构成的粒子可以进行随机搜索和经验学习。仿真结果表明,在异步和同步CDMA系统上,该检测器的误码率性能都优于传统方法和其他一些多用户检测器,达到最优检测。     

基于蚁群算法的OFDM系统子载波分配研究

针对无线资源要求OFDM系统能够支持更高的信息速率,在比例速率约束的多用户OFDM系统资源分配中,传统算法的频谱效率较低.在子载波等功率分配条件下,用蚁群算法解决比例速率约束下多用户OFDM系统子载波分配,算法在最大化多用户OFDM系统下行链路总容量的同时又维护了用户之间的比例公平性.蚁群算法的启发搜索机制保证频谱效率快速收敛到近似最优解.仿真结果表明,提出的蚁群算法能够满足用户之间的比例速率需求,频谱效率比传统算法提高了约45％.     

车联网中自适应联合计算卸载资源分配算法

为降低车联网(C-V2 X)中计算任务的时延与能耗,提出一种自适应的联合计算卸载资源分配算法.考虑多因素,多平台(本地计算、云计算、移动边缘计算(MEC)、空闲车辆计算)卸载,将计算卸载决策和资源分配建模为多约束优化问题.在粒子群算法基础上,提出粒子矩阵编码方式,联合优化车辆卸载决策、各平台任务卸载比例、MEC资源分配.提出粒子修正算法,结合罚函数法,解决多约束优化问题.仿真结果表明,与其它算法相比,该算法能在满足最大容忍时延的同时,最小化系统总成本.     

基于粒子群优化算法求解软件可靠性分配问题

首先介绍粒子群优化的搜索策略与基本算法,通过构造具有自适应权重ω的改进方法,有效地改善了粒子群优化算法的搜索效率和搜索精度,并应用于求解软件可靠性分配问题中。实验表明了PSO在求解软件可靠性分配问题的有效性。     

融合PSO与ACS的网格资源分配研究

资源分配和任务调度是网格计算的一个关键问题之一。提出一种融合离散粒子群优化算法和蚁群算法的新型算法来解决网格资源分配问题。该算法通过在粒子群算法中引入蚂蚁算法,可有效克服粒子群算法后期的局部搜索能力差和蚁群算法前期盲目搜索的缺陷。理论分析及模拟实验表明该算法具有良好的性能。     

基于混合粒子群优化算法的现金流优化

以最大化现金流净现值为优化目标的多模式资源约束调度问题MMRCPSP(Multi-mode Resource-Constrained Project Scheduling Problem)是一类带有复杂非线性特征的NP-hard问题,传统粒子群算法在解决该类离散问题上具有一定局限性。从粒子群算法的优化原理出发,结合遗传算法,在粒子群算法中引入交叉和变异操作,得出一种应用于MMRCPSP现金流优化的快速、易实现的混合粒子群算法,拓宽了粒子群优化算法在离散优化领域的应用。仿真实验结果验证了算法的有效性和高效性。     

An improved hybrid particle swarm optimization algorithm applied to economic modeling of radio resource allocation

An operational economic model for radio resource allocation in the downlink of a multi-cell WCDMA (acronym for wideband code division multiple access). system is developed in this paper, and a particle swarm optimization (PSO) based approach is proposed for its solution. Firstly, we develop an economic model for resource allocation that considers the utility of the provided service, the acceptance probability of the service by the users and the revenue generated for the network operator. Then, we introduce a constrained hybrid PSO algorithm, called improved hybrid particle swarm optimization (I-HPSO), in order to find feasible solutions to the problem. We compare the performance of the I-HPSO algorithm with those achieved by the original HPSO algorithm and by standard metaheuristic optimization techniques, such as hill climbing, simulated annealing, standard PSO and genetic algorithms. The obtained results indicate that the proposed approach achieves superior performance than the conventional techniques.     

信道估计误差下多用户MIMO／OFDM下行系统自适应传输

以系统总速率最大化为目标，提出在非理想信道信息情形下基于空分复用的多用户MIMO／OFDM下行系统的自适应资源分配方案，并满足用户的QoS要求。该方案首先根据用户信道估计误差模型和用户QoS对用户进行子载波分配，然后在各个子载波上进行功率和比特分配。仿真结果表明，该方案相对静态分配方案可获得更大的总速率，而且对信道估计错误更加强健，可应用到信道信息不确定的实际系统中。     

A cross-layer resource allocation scheme for ICIC in LTE-Advanced

As a new technology, inter-eNB coordination has been included in LTE-Advanced study items. Moreover, the network architecture in LTE-Advanced system is modified to take into account coordinated transmission. In our study, we explore the problem of jointly optimizing the power level and scheduling of resource blocks for LTE-Advanced network based on orthogonal frequency division multiplexing (OFDM). We propose a distributed optimization scheme based on evolutionary potential games, and in the process of objective function modeling we employ the Lagrangian multiplier method to solve the constraint objective optimization problem. Then particle swarm optimization (PSO) method is adopted to find the optimal power allocation and scheduling for each resource block in the multi-cell framework. Numerical results prove that proposed algorithm notably improves the overall throughput, while user fairness is guaranteed. Importantly, additional computation and communication cost introduced by cross-layer optimization is also evaluated.     

电力通信系统的宽带调节技术

当前利用分层网络结构对电力通信系统数字信道进行调节的方式,存在吞吐量性能差、宽带分配不均衡以及电力信息传输丢失严重等问题。提出利用遗传算法对电力通信系统宽带进行调节。对电力通信系统宽带中,每个OFDM符号内多个用户同时进行电力数据传输中的多种参数进行定义并计算,对最大的传输比特数以及最大功率进行计算,在电力通信资源分配速率的自适应和功率自适应的目标几乎一致理论基础上,建立电力通信多用户速率自适应宽带资源分配的数学模型,针对多用户的多目标特点,利用遗传算法中优良基因的注入,跨世代精英的保留以及迭代次数等,满足电力通信系统的多用户宽带资源分配需求。并通过实验证明,所提方法可实现电力通信系统宽带的有效调节。     

一种基于遗传算法改进的粒子群优化算法

在研究标准粒子群算法和遗传算法的基础上,介绍一种加入遗传选择,交叉算子以及变异算子的扩展算法,以提高粒子群算法摆脱局部极值点的能力,并且算法具有较快的收敛能力。