论文部分内容阅读
随着移动通信的业务需求不断增长,如何尽可能地将有限的可用频谱在不同小区间进行复用,同时避免移动用户间的干扰,并使分配给每个小区的频率数足够大以满足小区的话务需求成为增加蜂窝系统容量、提高频谱利用率的关键。针对传统遗传算法在求解信道分配问题(CAP)存在的局部寻优能力差、收敛速度慢的问题,本文提出了一种低计算复杂度的改进遗传算法。通过最小间隔编码方式对信道分配矩阵进行编码,隐含满足了各小区的信道需求和同场地电磁兼容限制,减小了解空间；最大需求优先最少冲突初始化方式优先给信道需求最大的小区分配信道,减少信道冲突,提高初始解的质量；带局部搜索的选择性变异算子选择能够改进个体适应度的元素进行变异,保持种群的多样性。实验结果表明,本文所述基于改进遗传算法的信道分配方案对8个benchmark问题中的6个具有100%的最优解收敛率,且优于现有基于神经网络、遗传算法等信道分配方案的收敛速度。虽然基于改进遗传算法的信道分配具有较快的收敛速度,但最优解收敛率还比较低。粒子群优化(PSO)算法没有遗传算法复杂的交叉和变异操作,大大降低了计算复杂度,由于是群体粒子的并行计算,比遗传算法有更快的收敛速度,且参数较少,参数的调整和设置较为方便,易于实施,已被应用到CAP,取得了不错的效果。针对现有离散粒子群优化(DPSO)算法在求解CAP存在的收敛速度慢、局部寻优能力不足的问题,本文进一步提出一种DPSO算法与频率优先分配(FEA)相结合的信道分配方案。通过实验研究DPSO算法的运动方程中惯性项的取舍和参数的选取,以确定适合CAP的粒子运动方程,生成最优小区呼叫排序；对小区呼叫排序按照FEA分配信道,以满足benchmark问题大部分小区信道需求较大且分布不均匀的特点。实验结果表明本文所提出的DPSO与FEA相结合的信道分配方案对所有benchmark问题具有100%的最优解收敛能力,且对初始解的质量不具有依赖性,满足较快的收敛速度,是一种高效、稳定的信道分配方案。