一種布谷鳥搜索的5G異構(gòu)網(wǎng)絡(luò)選擇與資源分配優(yōu)化方法

劉德珞 程良倫

摘 要：5G網(wǎng)絡(luò)存在異構(gòu)和復(fù)雜的特點(diǎn)，用戶數(shù)量大，需求質(zhì)量高，在密集網(wǎng)絡(luò)的情況下存在如何進(jìn)行網(wǎng)絡(luò)選擇與資源分配的問題。頻譜共享是解決5G網(wǎng)絡(luò)頻譜資源短缺和高速率接入問題的有效解決方法。文章提出一種布谷鳥搜索優(yōu)化方法，首先獲取用戶可用的網(wǎng)絡(luò)信道共享頻譜信息，利用布谷鳥搜索算法在滿足用戶服務(wù)質(zhì)量（QoS）保證的條件下進(jìn)行尋優(yōu)操作，多次迭代得出最佳分配方案，相比傳統(tǒng)遺傳算法可以降低計(jì)算復(fù)雜度。

關(guān)鍵詞：5G；信道選擇；資源分配；布谷鳥搜索算法；服務(wù)質(zhì)量

5G標(biāo)準(zhǔn)規(guī)定5G網(wǎng)絡(luò)峰值傳輸速率達(dá)到10 Gbit/s，流量密度達(dá)到10 Tbps/km2，用戶體驗(yàn)速率達(dá)到0.1～1 Gbit/s，連接密度數(shù)達(dá)到100萬臺/km2，端到端時(shí)延達(dá)到ms級，能夠在500 km/h 的速度下保證用戶體驗(yàn)，在能效、成本效率和頻譜效率上都有大幅提升[1-2]。目前已有大量相關(guān)工作者致力于研究與開發(fā)關(guān)于5G網(wǎng)絡(luò)在無人機(jī)、物流、車載網(wǎng)等方面的應(yīng)用，未來將有更多的5G網(wǎng)絡(luò)應(yīng)用場景。

頻譜共享由于可以使用非連續(xù)頻譜，因此可以更好地?cái)U(kuò)大系統(tǒng)容量，支持大量設(shè)備連接，提升系統(tǒng)吞吐量。Georgios等[3]提出頻譜分配中的重點(diǎn)是動態(tài)頻譜分配、頻譜聚合和頻譜移動，需要選擇可用的頻譜部分，為次級用戶（Secondary User，SU）提供服務(wù)，此分配是一個(gè)復(fù)雜過程的輸出，經(jīng)?？紤]多個(gè)網(wǎng)絡(luò)和服務(wù)質(zhì)量（Quality of Service，QoS）參數(shù)。文章[4]運(yùn)用群智能優(yōu)化算法求解頻譜分配問題，以網(wǎng)絡(luò)效益和用戶公平性作為衡量算法優(yōu)越性的指標(biāo)，將遺傳算法中的交叉操作和變異操作的進(jìn)化思想嵌入粒子群算法當(dāng)中，引入線性慣性權(quán)重函數(shù)，從而改善了這兩種算法各自在頻譜資源分配的問題。文獻(xiàn)[5]介紹了一種網(wǎng)絡(luò)選擇和信道分配機(jī)制，采用遺傳優(yōu)化算法，通過容納更多的訂閱用戶并保證其QoS，以達(dá)到最小化系統(tǒng)干擾和利益最大化。

本文提出一種基于布谷鳥搜索算法（Cuckoo Search，CS）的異構(gòu)網(wǎng)絡(luò)選擇與資源分配方法，以最小化系統(tǒng)干擾為目標(biāo)，在保證用戶QoS的前提下，通過多次迭代輸出最佳分配方案。

1 系統(tǒng)模型

系統(tǒng)模型參考文獻(xiàn)[5]?？紤]由N個(gè)主網(wǎng)絡(luò)（primary network）組成的5G異構(gòu)網(wǎng)絡(luò)，主網(wǎng)絡(luò)中有主用戶（Primary User，PU）和次級用戶（Secondary Users，SU），主網(wǎng)絡(luò)中可以有任意多的主用戶。每個(gè)主網(wǎng)絡(luò)擁有的最大信道數(shù)記為Cmax，但可供次級用戶復(fù)用的信道取決于PU的數(shù)量與狀態(tài)。假設(shè)有一個(gè)認(rèn)知網(wǎng)絡(luò)運(yùn)營商（Cognitive Network Operator，CNO）來管理所有將要接入的次級用戶SU，并收集所有主網(wǎng)絡(luò)的信道狀態(tài)信息（Channel State Information，CSI），如圖1所示。圖中是以認(rèn)知網(wǎng)絡(luò)運(yùn)營商為中心的5G異構(gòu)網(wǎng)絡(luò)，其中包含基站、無線接入點(diǎn)和eNB等網(wǎng)絡(luò)組成的主網(wǎng)絡(luò)，各個(gè)主網(wǎng)絡(luò)內(nèi)有使用該網(wǎng)絡(luò)的主用戶，并存在待接入的次級用戶。

記U={u1，u2，…，um}，表示待接入的次級用戶SU的集合，N={1，2，3，…，M}表示主網(wǎng)絡(luò)的集合，假設(shè)每個(gè)網(wǎng)絡(luò)擁有相同的信道數(shù)。記第m個(gè)網(wǎng)絡(luò)的第i個(gè)信道的最大傳輸速率為，則傳輸速率Ri，m取決于第m個(gè)網(wǎng)絡(luò)的信道狀態(tài)。假若第j個(gè)次級用戶將要進(jìn)入該系統(tǒng)，它需要計(jì)算自己所在位置，并提供最小傳輸速率需求rj、能夠接受支付給運(yùn)營商的最大價(jià)格等信息給認(rèn)知網(wǎng)絡(luò)運(yùn)營商。當(dāng)網(wǎng)絡(luò)m的第i個(gè)信道時(shí)被分配給第j個(gè)次級用戶，SU需要支付的費(fèi)用為Pm，記該次級用戶對主用戶PU產(chǎn)生的干擾為Ij，m，總干擾取決于信道狀態(tài)，且為保證主用戶的QoS，m網(wǎng)絡(luò)中總干擾應(yīng)不超過閾值εm；該次級用戶也應(yīng)使自己的要求得到滿足，即最小傳輸速率要求、低于最高價(jià)格要求。假設(shè)每個(gè)主網(wǎng)絡(luò)的定價(jià)策略不同，那么第j個(gè)次級用戶接入第m網(wǎng)絡(luò)的費(fèi)用記為Pj，m。

本文的目標(biāo)是在保證次級用戶QoS的條件下最小化次級用戶對主用戶造成的干擾。

因此，總目標(biāo)函數(shù)是：

其中式（1）H（x）是總目標(biāo)函數(shù)，表示所有SU加入各個(gè)主網(wǎng)絡(luò)后對PU產(chǎn)生的總干擾之和，約束條件（2）表示在某一時(shí)刻，一個(gè)主網(wǎng)絡(luò)的一個(gè)信道智能分配給一個(gè)SU，約束條件（3）表示加入某一個(gè)網(wǎng)絡(luò)的SU干擾之和不能超過該網(wǎng)絡(luò)的干擾閾值εm，約束條件（4）（5）表示主網(wǎng)絡(luò)的網(wǎng)絡(luò)帶寬和價(jià)格應(yīng)滿足SU需求，約束條件（6）表示當(dāng)網(wǎng)絡(luò)m的j信道已分配時(shí)為1，否則為0。

2 CS算法

CS算法基于布谷鳥的寄生育雛行為。布谷鳥將產(chǎn)下的卵寄生在其他鳥類的巢穴中，為了增加自己的卵孵化成功的概率，它有可能將寄主鳥類的一些卵移除。而寄主鳥一旦發(fā)現(xiàn)有外來的卵在自己巢穴中，它可能會將其扔掉或在其他地方建一個(gè)新巢[6]。

為了簡化描述標(biāo)準(zhǔn) CS，引入以下3條理想化的規(guī)則：每只布谷鳥每次只下一個(gè)蛋，并將其放入隨機(jī)選擇的巢中；具有最高質(zhì)量蛋的最佳巢穴會延續(xù)到下一代。可用寄主巢穴的數(shù)量是固定的，且寄主以概率Pa∈（0，1）發(fā)現(xiàn)布谷鳥放的蛋。在這種情況下，寄主可以消滅這枚蛋或放棄舊巢另建新巢。

3 網(wǎng)絡(luò)選擇的布谷鳥搜索算法實(shí)現(xiàn)

使用布谷鳥搜索算法實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)選擇與資源分配的難點(diǎn)在于，問題的解是多維度的一組解，一個(gè)巢穴中存在多個(gè)蛋，即對應(yīng)多個(gè)主網(wǎng)絡(luò)和多個(gè)SU。此外，由于SU的需求各不相同，同時(shí)要滿足不超過主網(wǎng)絡(luò)的干擾閾值，有可能會存在一旦次級用戶接入某一主網(wǎng)絡(luò)，該主網(wǎng)絡(luò)的干擾嚴(yán)重超標(biāo)的情況。

首先，獲取待接入網(wǎng)絡(luò)的時(shí)刻當(dāng)前區(qū)域系統(tǒng)內(nèi)可用網(wǎng)絡(luò)資源及其參數(shù)信息，待接入用戶的需求信息。

其次，進(jìn)入布谷鳥搜索尋優(yōu)階段。步驟如下：

（1）輸入迭代次數(shù)g、次級用戶數(shù)u、主網(wǎng)絡(luò)數(shù)m、初始發(fā)現(xiàn)概率Pa。

（2）隨機(jī)生成一組初始鳥巢位置，記為Xf={x1，x2，…，xn}，判斷該初始分配方案是否符合用戶QoS需求，若不滿足，則調(diào)整分配方案；若滿足，則進(jìn)行局部隨機(jī)游走，即宿主鳥以一定的概率Pa發(fā)現(xiàn)外來鳥的卵并重新建巢的位置，利用下述公式：

其中：xtj和xti是通過隨機(jī)置換選擇的兩個(gè)不同的解，H（u）是一個(gè)單位階躍函數(shù)（Heaviside 函數(shù)）。?是從均勻分布中抽取的隨機(jī)數(shù)。選擇被發(fā)現(xiàn)的鳥巢，并計(jì)算適應(yīng)度值，記錄初始全局最優(yōu)鳥巢位置，并保留到下一代。

（3）利用levy flight進(jìn)行全局位置更新，，其中α>0，表示步長縮放因子，通常α=1；?表示兩個(gè)向量的點(diǎn)乘（entrywise multiplication）；Levy（λ）則提供隨機(jī)步長，服從Levy分布，， （1<λ<3），產(chǎn)生一組新的鳥巢位置，再計(jì)算該組的適應(yīng)度值，與步驟（2）中的鳥巢進(jìn)行對比，保留適應(yīng)度值更好的鳥巢位置，刪除較差的鳥巢，獲得一組新的鳥巢位置Xs=（x1，x2，…，xn）。

（4）產(chǎn)生一個(gè)服從均勻分布的隨機(jī)數(shù)，0<1，將其與概率Pa對比，保留Xs中被發(fā)現(xiàn)概率較小的鳥巢位置，改變發(fā)現(xiàn)概率較大的鳥巢位置，并與步驟（3）中的Xs中的位置對比，保留結(jié)果更好的，得到一組更好的鳥巢位置Xt=（x1，x2，…，xn）。

（6）輸出步驟（5）中得到的最佳鳥巢位置。

下面用簡單舉例說明實(shí)現(xiàn)過程。

假設(shè)有4個(gè)次級用戶U={u1，u2，u3，u4}等待接入主網(wǎng)絡(luò)，當(dāng)前可用網(wǎng)絡(luò)為N={m1，m2，m3，m4}，每個(gè)主網(wǎng)絡(luò)的可用信道為7，假設(shè)獲取的次級用戶的網(wǎng)絡(luò)需求及主網(wǎng)絡(luò)的相關(guān)信息如表1—3所示。

每對數(shù)字的第一位表示分配的主網(wǎng)絡(luò)號，第二位表示信道號。S1表示為第1個(gè)用戶分配主網(wǎng)絡(luò)1的信道6，為第2個(gè)用戶分配主網(wǎng)絡(luò)3的信道2，為第3個(gè)用戶分配主網(wǎng)絡(luò)2的信道7，為第4個(gè)用戶分配主網(wǎng)絡(luò)3的信道3。隨后判斷是否符合用戶QoS，對比表1和表2，可知當(dāng)前的分配方案S1滿足用戶QoS需求。

再根據(jù)表3計(jì)算該分配方案的干擾值之和為 fs1=1+1+1+1=4，fS2=2+3+1+2=8。

初始化種群數(shù)量可以根據(jù)情況進(jìn)行調(diào)整。如果種群數(shù)量為5，則隨機(jī)生成5個(gè)上述數(shù)字對。并計(jì)算該初始種群的適應(yīng)度值，fs1，fs2，…，fs5。

因?yàn)閒s1

然后進(jìn)行局部隨機(jī)游走步驟，發(fā)現(xiàn)概率Pa為0.25，假設(shè)發(fā)現(xiàn)了S2中的第3對，生成一個(gè)隨機(jī)數(shù)1，那么將S2更新，即S2={（2，7），（4，5），（4，6），（3，1）}，計(jì)算f'S2=2+3+2+2=9。

進(jìn)行l(wèi)evy飛行，。

R1～R3為正態(tài)分布的隨機(jī)數(shù)。

首先隨機(jī)生成R1=0.537 7，R2=1.833 9，R3=0.862 2，然后我們把S2中每一對的第一位網(wǎng)絡(luò)號帶入公式，得到S2'={（1.9791，7），（3.9850，5），（3.9850，6），（2.9821，1）}同理可得出S1'，S2'，…，S5'，進(jìn)行取整操作，重復(fù)判斷是否滿足用戶QoS操作，再計(jì)算當(dāng)前的干擾值，與fbest比較，若當(dāng)前干擾值小于fbest，則更新fbest值，否則不更新。

重復(fù)直至達(dá)到迭代次數(shù)，輸出最佳鳥巢，為當(dāng)前用戶分配網(wǎng)絡(luò)信道。

4 結(jié)語

為解決5G網(wǎng)絡(luò)頻譜資源短缺和高速率接入問題，本文提出了一種布谷鳥搜索優(yōu)化方法，首先獲取用戶可用的網(wǎng)絡(luò)信道共享頻譜信息，利用布谷鳥搜索算法在滿足用戶QoS保證的條件下進(jìn)行尋優(yōu)操作，多次迭代得出最佳分配方案，通過舉例說明了使用步驟，相比傳統(tǒng)遺傳算法可以降低計(jì)算復(fù)雜度，也可以推廣到更多用戶與網(wǎng)絡(luò)的狀況下。

然而在異構(gòu)網(wǎng)絡(luò)的情景中，網(wǎng)絡(luò)復(fù)雜多變，以及隨著用戶的QoS不斷變化，加上如今的多數(shù)設(shè)備存在移動的情況，故而今后的研究也應(yīng)該考慮設(shè)備移動狀態(tài)下的網(wǎng)絡(luò)切換與分配。

[參考文獻(xiàn)]

[1]IMT-2020（5G）推進(jìn)組.5G概念白皮書[EB/OL].（2018-02-03）[2019-03-02].http：//www.imt-2020.org.cn/zh/documents/1.

[2]OLWAL T O，DJOUANI K，KURIEN A M.A Survey of resource management toward 5G radio access networks[J].IEEE Communications Surveys & Tutorials，2016（3）：1.

[3]GEORGIOS TSIROPOULOS，OCTAVIA A D，MOHAMED H A，et al.Radio resource allocation techniques for efficient spectrum access in cognitive radio networks[J].IEEE Communications Surveys & Tutorials，2016（1）：824-847.

[4]孫海建.基于粒子群算法和遺傳算法的頻譜分配研究[D].長春：吉林大學(xué)，2015.

[5]HASAN N U，EJAZ W，EJAZ N，et al.Network selection and channel allocation for spectrum sharing in 5G heterogeneous networks[J].IEEE Access，2016（4）：980-992.

[6]YANG X S，DEB S.Cuckoo search via Lévy flights[C].Coimbatore：2009 World Congress on Nature & Biologically Inspired Computing（NaBIC）. IEEE，2009.