超密集网络中基于加权混沌蝙蝠算法的资源分配方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114340010A(43)申请公布日2022.04.12(21)申请号202111602051.8(22)申请日2021.12.24(71)申请人杭州电子科技大学地址310018浙江省杭州市下沙高教园区二号路(72)发明人马钰潘鹏郭诗鹏郭劭王海泉(74)专利代理机构浙江永鼎律师事务所33233代理人陆永强(51)Int.Cl.H04W72/04(2009.01)H04W40/32(2009.01)H04W28/02(2009.01)G06N3/00(2006.01)G06N7/08(2006.01)权利要求书4页说明书9页附图2页(54)发明名称超密集网络中基于加权混沌蝙蝠算法的资源分配方法(57)摘要本发明公开了一种超密集网络中基于加权混沌蝙蝠算法的资源分配方法，首先传统的蝙蝠算法主要用来解决连续解的非线性问题，但对于资源块分配是离散解，因此需要对原算法进行修正，适合离散解的问题去寻优；不仅如此，本发明还利用混沌映射的遍历性与随机性等特性产生混沌序列代替原始蝙蝠算法中均匀分布的随机数，增加种群的多样性；此外利用对数递减惯性权重来加快收敛速度；最后，本发明不仅考虑资源块的数量大于家庭基站用户设备数量的情况，同时考虑在资源匮乏的状态下，即资源块数目小于家庭基站用户设备的数量时，采用不同的初始种群编码方式，能够充分利用资源以及提高算法的鲁棒性；总的来说，该方法通过对蝙蝠算法的优化，能够有效解决超密集网络中的资源分配问题，提高系统的吞吐量。CN114340010ACN114340010A权利要求书1/4页1.一种超密集网络中基于加权混沌蝙蝠算法的资源分配方法，其特征在于，包含以下步骤：S1、构建信道分配模型；S2、初始化加权混沌蝙蝠算法相关参数；S3、根据初始的蝙蝠种群计算适应度，找到当前最优蝙蝠位置；S4、计算对数递减惯性权重；S5、更新声波频率、速度和位置；S6、生成0到1之间的随机数，判断随机数是否大于当前频度，成立则产生局部新解，否则随机飞行产生新解；S7、生成0到1之间的随机数，判断随机数是否小于当前响度且新解优于当前解，如果同时满足这两个条件则接受新解并更新声波响度和频度，然后检测新解是否优于当前最优解，更新迭代次数；S8、判断是否达到最大迭代次数，达到则输出资源分配结果，否则重复步骤S4～S7。2.根据权利要求1所述的超密集网络中基于加权混沌蝙蝠算法的资源分配方法，其特征在于，步骤S1中，信道分配模型表示为：s.tC1:C2:C3:其中，Rk代表第k个簇的吞吐量，k、l、i分别代表簇的编号、资源块的编号、家庭基站用户的编号；K代表整个超密集网络簇的总个数，L代表资源块的总数量，Jk代表簇k内的用户个数；代表资源块分配状况，代表将资源块l分配给簇k中的第i个家庭基站用户，代表没有将资源块l分配给簇k中的第i个家庭基站用户；ΔB代表子信道的带宽，代表簇k中第i个基站在资源块l上的发射功率，代表簇n中的基站f到簇k中的用户i在资源块l上的信道增益，这里假设一个家庭基站服务一个用户；代表簇内的干扰之和，代表簇间的干扰之和；δ2代表高斯加性高斯白噪声的方式；C1代表资源块分配状况，C2表示允许将多个资源块分配给一个用户，为了保证资源的充分2CN114340010A权利要求书2/4页利用，当每个用户都分配到资源块后，多余的子信道可以分配给现有的用户，同时当资源匮乏的状况下，即用户数大于资源块时，保证用户至少能分配到一个资源块；C3中代表簇k中的用户i所实现的吞吐量，大于零代表每个基站都能有一定的吞吐量，保证基站至少分配到一个资源块。3.根据权利要求1所述的超密集网络中基于加权混沌蝙蝠算法的资源分配方法，其特征在于，步骤S2中，加权混沌蝙蝠算法初始化的内容包括蝙蝠种群数U；迭代次数上限Tmax；0声波频率上限fmax、声波频率下限fmin；声波衰减系数α；频度增加系数γ；蝙蝠速度v，0代表初始化的值(第0代的数据)；蝙蝠种群代表初始化了U只蝙蝠；利用Gauss映射产生混沌序列作为声波响度初始值利用Tent映射产生混沌序列作为频度初始值当用户数量大于等于资源块数量时，初始化的蝙蝠位置表示为：其中的维度为Jk，代表第u只蝙蝠初始的位置，初始化时利用混沌序列产生随机分配结果，而每一只蝙蝠的位置代表一种资源块分配结果，每一种分配结果代表一种解，即解的维度为Jk；代表初始化时第u只蝙蝠的第i个用户分配到的资源块编号，round(*)代表对*取整，rand代表0到1之间的随机数，服从均匀分布，且都为整数；每一只蝙蝠位置都代表一种的资源块分配结果，代表初始化时第u只蝙蝠的第i个用户分配到了第l个资源块，在这里由Gauss映射来代替rand来产生随机数；当用户数量小于资