面向5G 網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點布局自動優(yōu)化系統(tǒng)

龐 慧，李雅楠

（河北建筑工程學院 信息工程學院，河北 張家口 075000）

0 引 言

伴隨移動互聯(lián)網(wǎng)高速的發(fā)展，手機應用、網(wǎng)絡購物、實時分享等已經(jīng)逐漸變成大眾基本生活方式。在移動互聯(lián)網(wǎng)產(chǎn)業(yè)的高速發(fā)展后，人們對無線通信網(wǎng)絡傳輸速度的需求也愈發(fā)顯著[1]。

用戶的需求對新型智能業(yè)務的開拓起到催化作用，移動通信網(wǎng)絡逐漸向高效率、智能化方向持續(xù)發(fā)展。目前，多個國家的相關(guān)科研人員已研發(fā)出5G通信技術(shù)[2]。5G的通信速度更快，能夠讓用戶在最短的時間里完成全球智能通信，隨著移動互聯(lián)網(wǎng)時代的快速發(fā)展，5G通信技術(shù)有著較好的應用前景[3]。5G通信速度的加快，離不開其網(wǎng)絡節(jié)點的完美布局，為此，本文設(shè)計一種優(yōu)化5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點布局自動優(yōu)化系統(tǒng)[4]。實驗表明，該系統(tǒng)可實現(xiàn)5G網(wǎng)絡節(jié)點布局自動優(yōu)化。

1 面向5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點布局自動優(yōu)化系統(tǒng)

1.1 系統(tǒng)結(jié)構(gòu)設(shè)計

本文系統(tǒng)包括布局優(yōu)化策略層、布局優(yōu)化控制層、布局優(yōu)化任務層、布局優(yōu)化網(wǎng)絡層和布局優(yōu)化統(tǒng)計層[5?6]。當中，布局優(yōu)化策略層主要使用基于虛擬力蛙跳策略的大數(shù)據(jù)網(wǎng)絡節(jié)點布局自動優(yōu)化方法，獲取5G網(wǎng)絡大數(shù)據(jù)節(jié)點簇的布局策略；布局優(yōu)化任務層按照5G網(wǎng)絡大數(shù)據(jù)節(jié)點簇的布局策略建立5G網(wǎng)絡節(jié)點布局優(yōu)化任務；布局優(yōu)化控制層用來控制所有布局優(yōu)化任務的執(zhí)行步驟，實現(xiàn)5G通信并把執(zhí)行信息反饋至布局優(yōu)化統(tǒng)計層，布局優(yōu)化統(tǒng)計層整理通信鏈路構(gòu)建狀況后反饋至布局優(yōu)化策略層，如果通信鏈路的成功率較低便再次建立布局優(yōu)化策略，自主實現(xiàn)節(jié)點布局循環(huán)優(yōu)化[7]。

面向5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點布局自動優(yōu)化系統(tǒng)的布局優(yōu)化統(tǒng)計層結(jié)構(gòu)如圖1所示。

圖1 布局優(yōu)化統(tǒng)計層結(jié)構(gòu)圖

布局優(yōu)化統(tǒng)計層主要用來統(tǒng)計整理通信時的鏈路構(gòu)建成功率，并反饋至布局優(yōu)化策略層。鏈路成功率統(tǒng)計主要分成文件傳輸鏈路、數(shù)字通話鏈路、圖像傳輸鏈路以及其他應用鏈路。測試布局優(yōu)化策略層提出的自動優(yōu)化策略優(yōu)化下，5G通信的大數(shù)據(jù)網(wǎng)絡節(jié)點鏈路構(gòu)建后覆蓋率[8?9]達成0.99。

1.2 基于虛擬力蛙跳策略的大數(shù)據(jù)網(wǎng)絡節(jié)點布局自動優(yōu)化方法

1.2.1 蛙跳算法

蛙跳算法是一個新型后啟發(fā)類群體進化算法，其運算性能優(yōu)，且全局搜索性能佳[10]，硅跳算法模擬青蛙覓食過程中根據(jù)組群進行思想傳輸方式，使用模因分組將青蛙群體分成差異的組群，各個組群里的青蛙均看成問題的一種解[11]。各個組群里的青蛙根據(jù)自己的群文化實施進化，在模因組各次進化時，對組里最不優(yōu)秀的青蛙使用基于PSO算法里的速度位移模型操作算子進行方位調(diào)節(jié)。通過固定次數(shù)的組內(nèi)優(yōu)化后，模因組里青蛙再次混合變?yōu)樾履Ｒ蚪M，完成所有信息溝通。以此類推，直至算法達到濃度值或設(shè)定的進化次數(shù)方可停止[12]。其中，局部更新算子是：

式中：Emax≥Ej≥Emin；rand()代表產(chǎn)生隨機數(shù)；更新后的方位值設(shè)成G*w；模因組內(nèi)最不優(yōu)秀的青蛙和最好的青蛙依次設(shè)成Gw，Gb；群體最好的青蛙設(shè)成Gg；Emax，Emin依次描述最遠與最近位移間距。如果原濃度值大于Gb對Gw更新后的濃度值，那么任意生成一個青蛙取代Gw。

1.2.2 虛擬力算法

虛擬力算法是模擬物理模型中電荷間的作用力形成的算法，本文將其使用在5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點布局自動優(yōu)化任務里[13]。虛擬力算法中設(shè)置各個節(jié)點均和剩余節(jié)點具有一定的吸引度與排斥度，根據(jù)彼此間的作用力讓5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點形成固定組合，防止出現(xiàn)節(jié)點的重復覆蓋與親密度較低的情況，節(jié)點間的作用力通過預設(shè)的閾值eth設(shè)置。5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點虛擬力模型如圖2所示。

圖2 大數(shù)據(jù)網(wǎng)絡節(jié)點虛擬力模型

圖2中，若閾值是節(jié)點感知半徑，5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點d承載的虛擬力可描述成節(jié)點d1對虛擬力的吸引度設(shè)成，節(jié)點d2對虛擬力的吸引度設(shè)成，Rma為引力。

1.2.3 虛擬力蛙跳算法

蛙跳算法是根據(jù)模因組里最不優(yōu)秀的解Gw依次迭代往組里與群體最佳解進化的過程，而各次迭代時群體最佳解Gg與模因組里最佳解Gb未實施進化，致使蛙群易進到局部最佳解。本文在各次蛙群進化時，對Gg自身實施虛擬力進化，如果進化后獲取的解比目前接優(yōu)秀，那么目前的Gg轉(zhuǎn)換為進化值。但將Gb各次虛擬力進化后不論獲取的解是否比目前解優(yōu)秀，都將目前Gb實施轉(zhuǎn)換。使用此類方法優(yōu)化全局最佳解收斂性，讓每個模因組可以高效率跳出局部極值，進行全局檢索[14?15]。Gg和Gb的方位優(yōu)化是：

式中：Gαβ為5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點遭到的虛擬力設(shè)成；Gα，Gβ為虛擬力在α，β軸的分量依次設(shè)成；z0為網(wǎng)絡節(jié)點位移距離最大值設(shè)成；Gth為虛擬力閾值設(shè)成；(α,β)new，(α,β)old依次描述α，β軸 優(yōu) 化前與優(yōu)化后 的分量。

2 實驗分析

為了測試本文系統(tǒng)對5G網(wǎng)絡的大數(shù)據(jù)節(jié)點布局優(yōu)化效果，在Matlab中進行仿真模擬。本文系統(tǒng)布局優(yōu)化效果如圖3所示。并將本文系統(tǒng)與基于群智能優(yōu)化算法的通信網(wǎng)絡布局系統(tǒng)、基于自適應遺傳算法的通信網(wǎng)絡布局系統(tǒng)為對比進行分析。

圖3 本文系統(tǒng)布局優(yōu)化效果圖

2.1 覆蓋率分析

假定研究區(qū)域中的5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點數(shù)目依次是100個，200個，300個，400個，500個，600個，測試三種系統(tǒng)在差異節(jié)點數(shù)目下對5G網(wǎng)絡節(jié)點布局優(yōu)化后的覆蓋率，結(jié)果如圖4所示。

圖4 差異節(jié)點下三種系統(tǒng)的優(yōu)化效果對比

分析圖4可知，伴隨節(jié)點數(shù)目的增多，本文系統(tǒng)優(yōu)化下，5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點覆蓋率高達0.99，且始終是0.99；而基于群智能優(yōu)化算法的通信網(wǎng)絡布局系統(tǒng)、基于自適應遺傳算法的通信網(wǎng)絡布局系統(tǒng)優(yōu)化下，5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點覆蓋率伴隨節(jié)點數(shù)目的增多出現(xiàn)變動，且覆蓋率未曾大于本文系統(tǒng)。

2.2 收斂速度分析

對比三種系統(tǒng)在差異節(jié)點數(shù)目下對5G網(wǎng)絡節(jié)點布局優(yōu)化時的收斂速度，結(jié)果如圖5所示。

圖5 三種系統(tǒng)收斂速度對比結(jié)果

由圖5可知，伴隨節(jié)點數(shù)目的增多，當收斂耗時為256.54 ms時，本文系統(tǒng)能夠快速收斂，基于群智能優(yōu)化算法的通信網(wǎng)絡布局系統(tǒng)、基于自適應遺傳算法的通信網(wǎng)絡布局系統(tǒng)伴隨節(jié)點數(shù)目的增多，收斂耗時也逐漸增多。

2.3 失效率分析

測試三種系統(tǒng)在優(yōu)化5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點布局完成后，覆蓋范圍中，伴隨通信時間的推移，網(wǎng)絡節(jié)點的失效率，結(jié)果如圖6所示。

圖6 三種系統(tǒng)優(yōu)化后節(jié)點生存時間對比結(jié)果

分析圖6可知，經(jīng)本文系統(tǒng)優(yōu)化后，伴隨通信時間的推移，網(wǎng)絡節(jié)點的失效率最大值僅有1.11%，基于群智能優(yōu)化算法的通信網(wǎng)絡布局系統(tǒng)、基于自適應遺傳算法的通信網(wǎng)絡布局系統(tǒng)的失效率明顯大于本文系統(tǒng)。由此可見，經(jīng)本文系統(tǒng)優(yōu)化后，5G網(wǎng)絡節(jié)點的生存時間較長。

3 結(jié) 論

本文設(shè)計了面向5G網(wǎng)絡的大數(shù)據(jù)網(wǎng)絡節(jié)點布局自動優(yōu)化系統(tǒng)，并以邊長為100 m的正方形區(qū)域為實驗環(huán)境，測試本文系統(tǒng)有效性，經(jīng)驗證得出：

1）本文系統(tǒng)的布局效果最好，成功覆蓋了邊長為100 m的正方形區(qū)域的全部區(qū)間；

2）伴隨節(jié)點數(shù)目的增多，本文系統(tǒng)的5G網(wǎng)絡大數(shù)據(jù)網(wǎng)絡節(jié)點覆蓋率高達0.99；當收斂耗時為256.54 ms時，本文系統(tǒng)快速收斂，獲取5G網(wǎng)絡大數(shù)據(jù)網(wǎng)絡節(jié)點布局自動優(yōu)化策略，收斂效率較快；

3）經(jīng)本文系統(tǒng)優(yōu)化后，伴隨通信時間的推移，網(wǎng)絡節(jié)點的失效率最大值僅有1.11%，低于對比系統(tǒng)；經(jīng)本文系統(tǒng)優(yōu)化后，5G網(wǎng)絡大數(shù)據(jù)網(wǎng)絡節(jié)點冗余率與損耗率均值分別是0.02，0.01，與對比系統(tǒng)相比，本文系統(tǒng)優(yōu)化后網(wǎng)絡節(jié)點冗余率與損耗率最低。