论文部分内容阅读
无线通信网络中的资源分配优化问题一直是无线通信领域的重点和热点研究问题,随着各种移动通信新技术的提出,更加大了频谱资源的稀缺程度。所以,进行无线通信网络中的高效的分配算法的研究对国家和社会有重大的现实意义。本论文主要针现有解决频谱分配问题算法所面临的频谱利用率不高的问题,通过对进化算法、超启发技术,多目标优化理论的深入研究,提出了多种解决无线通信网络资源分配问题的优化模型及算法,主要研究工作如下:第一,借鉴超启发式算法的思想及图论的相关知识,提出一种基于图特性挖掘的超启发式算法(Graph based Hyper-Heuristic Algorithm,GHHA)用于求解多蜂窝系统的频谱分配问题。多蜂窝系统中的频谱分配问题是一类组合优化中的NP完全问题,很适合用基于进化学习的方法进行求解。超启发式算法的出现打破了传统进化算法中直接在可行解空间对最优个体进行搜索的模式,而是通过设计一个高层的启发式策略对可以生成可行解的启发式编码串进行搜索,从而得到原优化问题的最优解。使用超启发式算法可以避免因直接编码方式在处理频谱分配问题时对操作算子和算法搜索能力所产生的影响。在GHHA算法中,首先将多蜂窝系统的频谱分配问题映射为一个无向图,根据图论中图的相关特性,提出六种基于图的底层启发式算子,对其进行编码;然后通过高层的模拟退火算法在由底层的启发式算子构成的启发式空间进行间接搜索,得到有潜力的启发式串,从而得到更有效的频谱分配策略。在模拟退火策略中,一种随机变邻域的方式被用于对GHHA算法的搜索过程进行有效地指导。在20个标准测试问题上对算法进行实验测试,仿真实验结果表明:GHHA算法在20个测试问题上的整体表现较为出色,除了两个25小区的测试问题外,在几个比较困难的测试问题上均比其他几种非超启发式算法的解决方法更有效。第二,结合信道分配问题的特性及针对此问题的相关研究所得到的知识规则,提出一种基于知识规则的两阶段超启发式算法(Two-Phase Knowledge based Hyper-Heuristic Algorithm,TPKHHA)用于求解多蜂窝系统的频谱分配问题。信道分配问题中,不同的需求矩阵的分布,干扰矩阵的取值都会影响每个小区进行信道分配的困难度。通过对问题本征特性的分析,同时借鉴基于图对称特性的信道分配算法的研究结果,提出了六种基于先验知识的底层启发式算子。在全局搜索阶段,通过和声搜索算法在高层的启发式空间对启发式串进行搜索,得到有潜力的启发式串;在局部搜索阶段,使用模拟退火策略对第一阶段得到的最优启发式串进行局部搜索,从而得到最优的频谱分配方案。通过仿真实验对和声搜索算法中各个参数不同取值对算法性能的影响进行分析,在最优的参数设置下,对20个标准测试问题进行实验。实验结果表明:TPKHHA算法的运行结果与其他多种经典的频谱分配问题算法相比具有一定的竞争性。第三,针对认知无线电网络中联合路由和信道分配问题的特性,以价格模型为基础,将路由和信道分配问题建模为一个多目标优化模型:同时考虑认知无线电网络的吞吐量和系统花费两个网络性能指标。并提出一种解决该问题的进化多目标优化算法:改进的NSGA-II算法(Improved NSGA-II Algorithm,INSGAII)。在INSGAII中,设计了新的局部搜索算子,并针对NSGA-II算法中基于拥挤度距离的种群更新操作在此问题中不可用的情况以及此问题中pareto最优解会出现的特殊现象,提出一种新的种群更新操作来保证解的多样性。除此之外,在决策阶段,引入系统鲁棒性测度在pareto最优解集中进行最终解的选择。通过实验表明了本章所提出的多目标建模方式的必要性及所提算法在处理多目标路由的信道分配问题上可以得到多样性和收敛性都较好的非支配解集。