遺傳算法蜂窩網(wǎng)絡信道分配中的應用

謝日星

?

遺傳算法蜂窩網(wǎng)絡信道分配中的應用

謝日星

武漢軟件工程職業(yè)學院王路群工作室，湖北 武漢 430000

現(xiàn)在移動通信的主流拓撲結構——蜂窩網(wǎng)絡中，使用信道復用技術能夠在很大程度上提高移動通信的容量和通信質量。但是，信用復用過程中會產(chǎn)生不同程度的電子干擾問題，這些問題使得信道復用的作用大打折扣。研究嘗試利用遺傳算法進行蜂窩網(wǎng)絡接入信道的動態(tài)分配，在很大程度上避免了移動用戶常見的電子干擾問題。

遺傳算法；信道復用；信號干擾；動態(tài)分配

21世紀科學技術的飛速發(fā)展使信息與通信技術達到了空前高度，傳統(tǒng)的通信模式已經(jīng)不能滿足人們對通信的質量和效率日益高漲的需求，于是，在通信技術上開始了傳統(tǒng)技術的更新，出現(xiàn)了新的通信技術?，F(xiàn)在的移動通信主要還是蜂窩移動通信技術。現(xiàn)在的移動通信用戶的增長率非?？欤瑸榱颂岣咭苿油ㄐ诺馁|量和效率，需要充分利用信道復用技術，這樣就能在很大程度上提高移動通信的容量和資源的使用頻率。但是，信道復用技術是本身是有缺陷的，信道復用會產(chǎn)生電子干擾，從而使得移動通信的質量大打折扣。所以，需要采用各種優(yōu)化算法來進行信道的分配。蜂窩網(wǎng)絡信道分配問題就是一個優(yōu)化問題，也是一個優(yōu)化方面的難題?？梢赃M行信道分配優(yōu)化的算法很多：神經(jīng)網(wǎng)絡算法、粒子優(yōu)化算法、模擬退火算法等。但是這些算法在解決信道分配方面的優(yōu)化結構都不是很理想。本文研究的是基于遺傳算法的蜂窩網(wǎng)絡接入信道動態(tài)分配方案。主要的目的是解決移動蜂窩網(wǎng)絡中的幾種主要的干擾問題。[1]

1 蜂窩網(wǎng)絡拓撲結構

蜂窩網(wǎng)絡或移動網(wǎng)絡（Cellular network）是一種移動通信硬件架構，移動通信的整個服務區(qū)被分為正六邊形的小區(qū)，每個小區(qū)有一個基站，這種結構就像“蜂窩”一樣，所以稱為蜂窩網(wǎng)絡。[2]

之所以在個人移動通信服務系統(tǒng)中使用蜂窩網(wǎng)絡的拓撲結構就是因為蜂窩網(wǎng)絡能夠提高移動通信的效率和網(wǎng)絡的有效利用率。所以，現(xiàn)在的移動通信中大多數(shù)的蜂窩網(wǎng)絡的拓撲結構都如圖1所示。

圖1 蜂窩網(wǎng)絡簡單拓撲結構

從圖1可以看出，蜂窩網(wǎng)絡中的每個蜂窩都表示一個小區(qū)，小區(qū)的大小不是固定的，需要根據(jù)其實際的大小和整個蜂窩網(wǎng)絡的總的用戶數(shù)來確定。如果是在用戶密集的區(qū)域設置蜂窩網(wǎng)絡，需要采用的小區(qū)必須是小尺寸的。還有的情況下，用戶會有較高的平均運動速度，這種情況下，采用的小區(qū)的尺寸應該是大尺寸的。另外，如果是用戶密度較低的區(qū)域，也適合大尺寸的小區(qū)。[3]

2 信道動態(tài)分配方案設計

2.1 信道動態(tài)分配數(shù)學建模

在進行數(shù)學建模時，要充分考慮所有的約束問題，本研究的約束主要有三種：同頻約束、鄰頻約束和同位置約束。所以，首先要建立一個兼容矩陣：C= cij，如果小區(qū)為n個，那么C就可以設置為n×n的對陣矩陣。該矩陣用來表示小區(qū)之間的頻率兼容性的大小。cij主要的作用就是用來表示第i個小區(qū)和第j個小區(qū)之間的信道間隔，也就是同頻約束和鄰頻約束。而在對角線上的所有元素cii表示在同一個小區(qū)內(nèi)分配的任意兩個信道之間的最小間隔的大小，這也就是同位置約束。

每個小區(qū)的話務需求量不同，所以需要先建立一個小區(qū)話務需求向量D=di，n個小區(qū)的信道需求關系就可以描述為一個1×n的向量，di就是第i個小區(qū)內(nèi)的信道數(shù)量，如果小區(qū)需求的話務量發(fā)生了變化，di也是要隨著發(fā)生變化的。

假設蜂窩網(wǎng)絡中的可用信道數(shù)量為m個，就可以采用n×m的二維矩陣F=fij來表示信道的分配方案，用矩陣的列表示信道數(shù)目，行表示小區(qū)的數(shù)目，如果信道j是分配給小區(qū)i的，就將fij設置為1，否則為0。小區(qū)和信道的關系不可以違反三種兼容約束，所以需要建立一個違反矩陣Ncell=ncellij，如果小區(qū)i與j之間違反兼容約束，則ncellij就設置為1，否則設置為0。[4]還需要對小區(qū)之間違反兼容約束的信道數(shù)目進行描述，所以再建立一個矩陣Nch=nchij，nchij就是小區(qū)i與小區(qū)j之間違反兼容約束的信道數(shù)目，如果信道f1是分配給小區(qū)i的一個信道，f2是分配給小區(qū)j的一個信道，如果|f2-f1|

（2）

（3）

2.2 信道動態(tài)分配策略

（1）定義適用值函數(shù)。本研究就是要設定一個最小目標函數(shù)O（F），所以可以將適應值函數(shù)設定為：f（F）=max{1/O（F）}，這就是信道分配方案F的適應值。如果能得到越小的函數(shù)值，得到的適應值就越大，所以本研究的目標就是能夠找到一組能夠使得適應值f（F）最大的信道分配方案。

（2）編碼及解碼。信道分配方案中，需要在同一小區(qū)中設置一個信道中的最小頻率間隔，所以本研究中選取的編碼方案為：假設有q個話務請求，用長度為p的二進制串表示個體，dmin用來表示連續(xù)元素間的最小間隔，然后dmin的第一位用1表示，它后面的dmin-1位個0用～1表示。然而，當1的位置不是在dmin的第一個位置，而是在后面的dmin-1個位置時，編碼就會出現(xiàn)問題，所以本研究在初始的二進制串編碼中，就在p個二進制串的后面補了dmin-1個0，這樣，二進制串的長度就發(fā)生變化了，變?yōu)閜+dmin-1。

小區(qū)信道分配采用的是最小間隔編碼法，～1被解碼為1和dmin-1個0，每個個體的長度為p+dmin-1，需要將dmin-1個0減去，這樣就得到了一個動態(tài)信道分配矩陣F，也就知道信道是如何在每個小區(qū)內(nèi)實際分配的。[5]

（3）選擇。本研究采用的選擇策略是輪盤賭選擇法，該方法的選擇依據(jù)同樣是個體適應值的大小，如果個體適應值小，它就很有可能被丟棄，如果個體的適應值大，它被選中的概率就大。為了保證最佳個體在選擇和交叉的過程中不被丟失，本研究還在算法的實施過程中設置了最佳個體保存策略，通過該策略就能保存每一代的最佳個體，把最佳個體復制到下一代，用其替換最差個體，這樣就能保證群體中的最佳集體越來越多，最快地達到最終結果，提高了算法的收斂速度。

（4）交叉算子。需要在最小間隔編碼的種群中進行交叉操作，需要交叉的是兩個染色體，通過交叉產(chǎn)生新的后代。本研究采用的是固定交叉算子，這樣能夠保證在交叉的過程中，始終滿足信道分配需求。

（5）變異算子。染色體的變異過程同樣需要滿足信道的分配需求，所以本研究采用的變異算子也是固定的。變異操作是在最小間隔編碼的種群中進行的，先根據(jù)變異率選出需要變異的基因bi，然后按照隨機的方式選中一個位置為j，取出j對應的基因bj，如果bj和bj異或為1，就將bi和bj交換。

3 結語

現(xiàn)在移動通信基本上使用的都是蜂窩網(wǎng)絡，使用信道服用技術能夠在很大程度上提高移動通信的容量和通信質量。但是，信用復用過程中會產(chǎn)生不同程度的電子干擾問題，這些問題使得信道復用的作用大打折扣。傳統(tǒng)的進行信道優(yōu)化的方法有神經(jīng)網(wǎng)絡算法、粒子優(yōu)化算法、模擬退火算法，但是效果都不是很理想。[6]本研究提出了一種動態(tài)信道分配方案，該方案利用遺傳算法在建立數(shù)學模型時，對常見的對信道復用影響的幾種電子干擾進行了約束，在進行動態(tài)信道分配時，利用建立的數(shù)學模型，得到了一組干擾最小的信道動態(tài)分配方案。

[1]王聯(lián)國，洪毅，趙付青，等.一種改進的人工魚群算法[J].計算機工程，2008，34（19）：192-193.

[2]于雪晶，麻肖妃，夏斌，等.動態(tài)粒子群優(yōu)化算法[J].計算機工程，2010，36（4）：193-197.

[3]張敏，黨安紅.一種基于改進神經(jīng)網(wǎng)絡的動態(tài)信道分配算法[J].計算機工程與應用，2005（28）：124-126.

[4]盧瑜.遺傳算法在移動通信傳輸領域的應用[J].工會博覽，2009（1）：56-57.

[5]何迪，賈振紅.基于混洗蛙跳算法的頻率分配方法[J].計算機工程，2011，37（21）：133-135.

[6]Lima M A C，Araujo A F R，Cesar A C.Adaptive genetic algorithms for dynamic channel assignment in mobile cellular communication systems[J].IEEE Transactions on Vehicular Technology，2007，56（5）：2685-2696.

謝日星（1973—），男，漢族，江西興國人，武漢軟件工程職業(yè)學院王路群工作室副教授，工學碩士，研究方向為軟件開發(fā)、信息安全研究。

TP18；TN929.5

A

1009-6434（2016）04-0060-02