基于改进NSGA2的临近空间通信网络优化设计

面向特定区域部署的临近空间通信网络需要兼顾考虑资源分配、覆盖率及载荷功率等多个因素。考虑到现有方法只采用单目标优化,以及非支配排序遗传算法（NSGA2）在求解实际问题时的缺陷等问题,提出一种基于改进NSGA2的临近空间通信网络多目标优化设计方法。分析下行链路性能,结合目标区域的需求分布,以最大化匹配度和覆盖率及最小化功耗代价为目标建立多目标优化模型。将动态反向学习机制和差分局部变异算子引入NSGA2,测试证明改进的NSGA2在解收敛性和分布性上表现更好。仿真验证了设计方法的有效性,为网络的实际部署提供了参考。     

异构网络多网共存环境中网络资源分配技术的研究

现代社会经济的快速发展促使我国无线通信技术领域的技术不断进步,无线资源以及业务服务发展之间的矛盾也在这个过程中进一步加剧。多种类型的接入技术发展形成了异构网络环境,基于此形成的多网覆盖网络选择以及资源利用效率等研究逐步形成。异构网络中多网共存环境下的资源分配技术是当前阶段最重要的技术类型。 异构网络中主要存在集中、分布以及混合结构类型模式。分布式模式作为其中一种应用性、适应性较强的模式,得到了较广泛的应用。因为多RATs覆盖条件下的属性信息本身具有较为复杂的特征,侧重从模糊逻辑视角形成了将用户作为中心内容的网络选择算法,并通过这种方式进行拓展,建立网络资源分配技术研究。     

无线异构网络的资源分配策略

无线异构网络要求实现不同工作模式通信系统间的资源合理分配。为了获得不同通信系统对无线资源的有效利用,参考XG架构定义了可承载不同通信系统业务需求的多维度资源容器,提出二级资源分配策略及相应的资源分配算法来实现多维度资源容器与各个通信系统之间各种业务承载需求的匹配。仿真与性能分析验证了该资源分配策略在实现不同通信系统共存的条件下,提高了无线网络频谱资源利用率。     

异构网络中基于用户划分的资源分配与功率控制方案

部署异构网络是提高移动通信系统容量至关重要的举措。然而宏基站的高发射功率会使得微蜂窝边缘用户受到严重的干扰;同时,微蜂窝周围的宏蜂窝用户由于靠近微基站将同样受到其所造成的干扰,因此这些用户应该受到保护。通过研究异构网络下行传输中的资源分配与功率控制策略,提出了一种基于用户划分的资源分配与功率控制方案。首先根据用户的信干噪比对用户进行分类,同时为受干扰严重的边缘用户划分保护频带。此外,通过动态地调整每个基站在保护频带上的传输功率,在不过度牺牲系统性能情况下减轻边缘用户的干扰。仿真结果表明,与传统方案相比,该方案能够有效抑制宏蜂窝和微蜂窝边缘用户的干扰并提高整个系统的吞吐量。     

认知超密集网络用户关联与资源分配联合优化遗传算法

针对下行的异构认知超密集异构网络（UDN）的多维资源配置问题,提出一种以毫微微小区用户最大吞吐量为目标的联合优化用户关联和资源分配的改进遗传算法。首先,在算法开始之前进行预处理,初始化用户可达基站和可用信道矩阵;其次,采用符号编码,将用户与基站以及用户与信道的匹配关系编码为一个二维的染色体;然后,将动态择优复制+轮盘赌作为选择算法,以加快种群的收敛;最后,为避免算法陷入局部最优,在变异阶段加入早熟判决的变异算子,从而在有限次迭代下求得基站、用户、信道的连接策略。实验结果表明,在基站与信道数量一定时,所提算法与三维匹配的遗传算法相比在用户总吞吐量方面提高了7.2%,在认知用户吞吐量方面提高了1.2%,且计算复杂度更低。所提算法缩小了可行解的搜索空间,能在较低复杂度下有效提高认知UDN的总吞吐量。     

基于强化学习的异构超密度网络资源分配算法

为了保证下行链路用户服务质量(Quality of Service, QoS),提升异构超密度网络的频谱利用率(Spectrum Efficient, SE)和能源效率(Energy-Efficient, EE),提出了一种基于多智能体强化学习(Deep Reinforcement Learning, DRL)的频谱和功率联合分配算法。首先,以频谱利用率和能源效率为优化目标,用户服务质量为约束,得到资源分配优化函数。然后定义多智能体用户状态空间,奖励以及动作空间,通过较小的通信开销获得状态空间信息,得到一维状态空间数据,减少网络的输入数据量,用户利用自身的信道状态信息(Channel State Information, CSI)而不依赖全局信道状态信息,再根据状态空间信息得到频谱和功率分配策略。最后,通过训练深度神经网络找到最佳的资源分配策略。仿真结果表明,该算法可以实现较快的收敛速度,对比贪婪算法以及其他强化学习方法,能源效率均提升20%以上,频谱利用率分别提升27%和11%。     

Macro/Femtocell异构网络基于能效的资源分配

能量效率(Energy Efficiency,EE)成为衡量网络性能新的指标,最大化网络能效已成为通信技术的研究热点。针对Macro/Femtocell异构网能量效率优化问题进行研究,首次将蝙蝠算法应用到能效优化问题中,并针对现有算法存在的收敛精度低,易陷入早熟等缺点,提出一种基于指数递减的惯性权重蝙蝠算法。以最大化异构网络能效EE作为优化目标,在满足异构网用户服务质量(quality of service,QOS)前提下,用改进蝙蝠算法进行频谱资源载波分配,并将算法跟标准蝙蝠、遗传算法进行性能比较。仿真结果表明,载波及用户的数量影响着网络系统能效,所提算法相比于遗传算法有效提高了系统传输速率,能效提高约11%。实验证明,在异构网络中,采用改进蝙蝠算法对载波分配可使能效得到改善。     

基于两阶段搜索与动态资源分配的约束多目标进化算法

解决约束多目标优化问题（CMOP）的难点在于平衡目标优化和约束满足的同时兼顾解集的收敛性和多样性。为解决具有大型不可行区域和较小可行区域的复杂约束多目标优化问题,提出一种基于两阶段搜索与动态资源分配的约束多目标进化算法（TSDRA）。该算法在第一阶段通过忽略约束跨越不可行区域;然后在第二阶段通过动态分配两种计算资源协调局部开发和全局探索,兼顾算法的收敛性和多样性。在LIRCMOP和MW系列测试问题上进行的仿真实验结果表明,与四个代表性的算法CMOEA-MS(Constrained Multi-Objective Evolutionary Algorithm with MultipleStages)、ToP(Two-phase)、PPS(PushandPullSearch)和MSCMO(MultiStageConstrainedMulti-Objective evolutionary algorithm)相比,所提算法在反转世代距离（IGD）和超体积（HV）上得到了更优异的结果。在LIRCMOP系列测试问题上,TSDRA获得了10个最佳的IGD值和9个最佳的HV值;在MW系列测试问题上,...     

异构网络中贪婪资源分配策略的研究

针对当前异构网络中多种业务并存的现状,提出了一种可应用于由移动微波存取全球互通和通用移动通信系统组成的异构网络中考虑切换业务优先的贪婪资源分配策略,并通过网络中的呼损率验证了该策略的可行性;接着,在NS2环境下将该策略与公平资源分配策略在资源利用率、分组丢失率方面进行了比较.仿真结果显示,新策略可以提供良好的服务质量,前者的资源利用率和分组丢失率比后者分别改善了13％和14％左右.     

基于匹配理论的NOMA异构网络资源分配算法

在非正交多址接入异构网络中,通过联合资源分配和用户调度可达到用户调度数与系统吞吐量之间的平衡。提出一种基于匹配理论的用户-子信道双边匹配算法(USTSMA)。在满足用户最小数据速率需求和已知完美信道状态信息的条件下,将用户和子信道认为是追求自身最大收益的两个独立集合,通过迭代的方式实现用户和子信道之间的稳定匹配。在此基础上,利用注水算法解决用户的功率分配问题。仿真结果表明,USTSMA在系统总吞吐量、用户调度数等方面性能优于S-MGA和GA两种用户分组算法以及正交频分多址接入方案,并且逼近最优上界。     

基于QoE感知的星地一体化网络公平资源分配策略

星地一体化网络是卫星网络和地面网络互联,实现卫星网络和地面网络优势互补的一体化网络.随着无线通信的快速发展,卫星网络和地面网络的同频复用技术可有效提升资源利用效率,满足日益增长的无线数据业务需求.但由于无线数据业务类型的多样化和频谱资源的稀缺性,如何实现用户数据服务的服务体验质量(Quality of experien...     

基于融合多策略改进的多目标粒子群优化算法

为进一步提高多目标粒子群算法的收敛性和多样性,提出一种多策略融合改进的多目标粒子群优化算法.首先,引入分解思想以增加Pareto解集的多样性;然后,在速度和位置更新时,引入“多点”变异,即随着迭代次数的递增,根据相应判据对位置的更新作出不同的变异,避免算法早熟现象的发生;最后,将更新后种群和最优解集进行非支配排序,最优解放入精英外部存档.仿真实验结果表明,与另外4种进化算法对比,所提出算法表现出良好的整体性能.     

基于遗传算法求解三维匹配的资源分配问题

针对非正交多址接入(NOMA)技术的两层异构网络(HetNets)的资源配置,因用户、基站和子信道三维匹配属于NP难题,多分解为二维匹配求解,为此提出一种改进的遗传算法(GA)求解用户的多维匹配。为满足系统总容量最大并降低时间复杂度,将遗传算法的编码方式设计为一种多维映射过程;为防止陷入局部最优并提高全局搜索能力,对选择算子进行确定性和随机性的结合。实验结果表明,该算法相对于贪婪算法和双边匹配算法,具有收敛速度快和全局性更好等优点。     

软件定义网络的异构无线网络资源分配框架

针对各种智能设备在移动蜂窝网络中的普及及移动流量需求日益增长的问题,研究控制无线电带宽并将其分配给多个无线电用户设备,提出了一个基于软件定义网络（SDN）的资源分配框架,以及LTE/WLAN多无线电网络中异构资源分配算法。该框架将SDN范式应用到LTE-WLAN集成网络的异构资源分配,并进行了扩展,以整体的方式分配LTE/WLAN多无线电网络中的异构射频带宽。通过将集中式解决方案的功能分解到指定的网络实体的方式,来处理异构资源。模拟实验表明,所提框架可以较好地平衡网络吞吐量和用户公平性,且算法收敛性较好。     

认知异构网络中基于不完全频谱感知的资源分配算法

针对认知异构网络中的干扰抑制问题,文中研究了如何降低其对宏用户(MU)的干扰并提高系统吞吐量。通过全面分析干扰来源,建立不完全频谱感知下的干扰模型;结合用户拓扑信息,综合考虑总功率约束和干扰约束,以最大化下行链路的吞吐量为准则构建优化问题;然后分析KKT条件,简化优化问题,进而设计出基于不完全频谱感知的分步式资源分配算法。仿真结果及性能分析表明,相比于基于完全频谱感知的资源分配算法,所提算法对MU造成的干扰更小,并且获得了更优的吞吐量性能。     

基于MEC的计算资源分配方案研究

为解决资源受限情况下执行计算密集型任务带来的服务器过载、等待时延过长等问题,本文构建了异构边缘云网络模型,将计算任务卸载到无人机、路边单元和车辆等具有一定计算能力的边缘节点中,并进行处理。以降低系统平均开销为目的,将计算资源分配问题转化为目标优化问题,并采用拉格朗日乘子法进行求解。与基线方案进行对比实验,仿真结果表明,本文提出的方案可以有效地降低系统平均开销。     

D2D异构网络资源分配算法

为解决基于能量收集的D2D(设备到设备)异构网络的资源分配问题,提升D2D链路的平均能量效率,提出一种高效的资源分配方法。基于系统模型分析,提出非凸的混合整数非线性约束优化问题;将非凸优化问题等效转化为凸优化问题,运用Karush-Kuhn-Tucker条件进行最优求解;提出一种结合能量收集时隙分配、资源块和功率分配的迭代算法,通过仿真分析验证所提方法的有效性。实验结果表明,所提方法能够在保证能量收集约束和蜂窝用户设备服务质量的情况下,最大限度地提高所有D2D链路的平均能量效率,与其它几种方法相比,所提方法在不同的网络参数设置下均能实现更高的能量效率。     

基于WSNs节点权重的网关接入异构网络研究

在无线传感器网络(WSNs)中,虽然现有网关节点的设计已经将多网融合的传输方式引入进来,但很少有综合考虑整个网关节点的性能,包括吞吐量、丢包率、耗电量和成本开销等,并且少有深入探讨多网选择切换方法。针对此现状,引入传感器节点权重的概念,从不同权重的传感器节点需要不同的传输策略出发,以数据上传互联网为目的,提出了一种网关接入异构网络的框架,并在此框架中综合考虑吞吐量、耗电量和接入所需费用3个方面,提出了一种多目标优化的模型,之后给出启发式的近似算法。实验结果表明:在保证传感器网络中数据可靠传输和能耗稳定的前提下,提高了数据传输效率,并适当降低了网关接入异构网络的成本,为网关接入异构网络传输数据提供了一种可靠的方案。