元分布式資源分配方法，包括W下步驟：
[0194] 步驟1，異構(gòu)網(wǎng)絡(luò)智能收集所設(shè)定區(qū)域內(nèi)所有資源的物理上限，記為W^x;
[0195] 步驟2,智能收集節(jié)點單元數(shù)量N。和用戶數(shù)量N
[0196] 步驟3,智能采用遺傳社會認知算法來對異構(gòu)無線網(wǎng)絡(luò)中多路存取多單元分布式 資源分配。
[0197] 首先，初始化各參數(shù)。使得原本區(qū)域內(nèi)各單元和各用戶有著連接。
[0198] 然后，對各連接進行評估，滿足本例要求一個用戶只和一個單元進行連接的分配 方案為基因較好的個體，送到中間層。
[0199] 再然后，對在中間層的各個個體，進行學(xué)習(xí)認知工作，即對步驟3. 3中各算式進行 計算，解出/= (/r" /在,），祀原本就在中間層的胖'=(巧^/4,)與其他分配方案進行 比較。
[0200] 再然后，把."W=(巧巧P原方案進行比對后得到的更優(yōu)的方案送到信仰空 間。比對即看是否超過并且是否滿足公式（1)-(4)。
[0201] 再然后，根據(jù)步驟3. 4中各算式進行計算，每個單元解各自的CLP問題，把解告訴 自己所在區(qū)域內(nèi)的用戶，各用戶再根據(jù)公式（16)進行ii,的更新，并且告訴自己所在區(qū)域 內(nèi)的所有單元，兩者相互選擇，得到各種分配方案。
[0202] 再然后，對信仰空間內(nèi)部的知識和將要送到信仰空間內(nèi)部的知識進行比較，留下 更優(yōu)的，上限為單元數(shù)N。，因為最終將要單元和用戶一對一，用戶數(shù)目應(yīng)該比單元數(shù)小。
[0203] 再然后，對每個單元進行如此操作之后，即進行N。次迭代后，把信仰空間內(nèi)現(xiàn)有 的最優(yōu)解返回至中間層，對."'=)進行更新，使得單元和用戶資源分配方案更合 理。
[0204] 最后，重復(fù)上述操作，直至每個單元和用戶都滿足（1)-(4)且資源總和不超過資 源上限。
[0205] 由上可知，本發(fā)明提供的資源分配方法高效、可靠，可W顯著提高資源利用率W及 分配方案的合理性。本發(fā)明的方法具有較快的收斂速度，捜索能力較強。
【主權(quán)項】
1. 一種基于異構(gòu)無線網(wǎng)絡(luò)的多路存取多單元分布式資源分配方法，其特征在于，包括 W下步驟： 步驟1、異構(gòu)無線網(wǎng)絡(luò)收集所設(shè)定區(qū)域內(nèi)所有資源的物理上限，記為w^x; 步驟2、異構(gòu)無線網(wǎng)絡(luò)收集節(jié)點單元數(shù)量N。和用戶數(shù)量N 步驟3、采用遺傳社會認知算法對異構(gòu)無線網(wǎng)絡(luò)進行多路存取多單元分布式資源分配。2. 根據(jù)權(quán)利要求1所述的基于異構(gòu)無線網(wǎng)絡(luò)的多路存取多單元分布式資源分配方法， 其特征在于，步驟3采用遺傳社會認知算法對異構(gòu)無線網(wǎng)絡(luò)進行多路存取多單元分布式資 源分配，具體步驟為： 步驟3-1、對算法參數(shù)進行初始化，所述的參數(shù)包括：節(jié)點單元集合C= (ci，C2……cj，用戶集合J=α，j'2……^)，節(jié)點單元〇和它綁定的用戶^'所能支配的資源數(shù)量胖。,,， 用戶j和單元C之間的信噪比丫。, ,=Gt, ,P。, ,/σ2,，其中G。, ,表示長時間通道行為下，用戶j 和單元C之間路徑的收益，Pw表示分配給用戶j到單元C的傳送力，σ2j表示移動節(jié)點的 噪聲. 步驟3-2、在GCS算法的微觀層，按照基因變異的演化過程，選擇滿足基因 ,#=(禱···/<、）的個體到GCS算法的中間層； 步驟3-3、在中間層，按照社會認知優(yōu)化算法SCO的流程，將步驟3-2得到的滿足基因 =(巧一'，"^ )的個體執(zhí)行群體的認知學(xué)習(xí)過程； 步驟3-4、通過SCO算法中的接受函數(shù)將中間層優(yōu)秀的個體作為知識提取到信仰空間， 用更新函數(shù)更新信仰空間里的知識，對知識執(zhí)行基于模仿學(xué)習(xí)的進化操作； 步驟3-5、當(dāng)信仰空間里的知識經(jīng)過化代更新后，通過影響函數(shù)來指導(dǎo)中間層群體的 演化，得到滿足"=(巧…·/<;)的基因個體，把得到的μ告訴在其覆蓋范圍S。內(nèi)的用戶， 每個用戶j通過公式（16)更新他們的花費μ,，隨后把新的結(jié)果告訴其所在地S,上的所有 單元C，然后循環(huán)，將每個C都進行一次求解，即進行了Ν。次更新，把最終信仰空間內(nèi)的μ 返回到中間層里的各個用戶上，完成資源分配。3. 根據(jù)權(quán)利要求2所述的基于異構(gòu)無線網(wǎng)絡(luò)的多路存取多單元分布式資源分配方法， 其特征在于，步驟3-2中選擇滿足基因戶'=(W…)的個體到GCS算法的中間層，具體 為： 步驟3-2-1、將異構(gòu)無線網(wǎng)絡(luò)的多路存取多單元分布式資源分配到整個系統(tǒng)，所用公式 為：式中所用參數(shù)為：Uj(wc，j)為用戶對服務(wù)的滿意程度；當(dāng)用戶j被分配到單元C時 Xw為1，不然是ο;公式（1)表示每個和單元聯(lián)系的用戶對服務(wù)滿意程度最大化，公式（2) 表示一個用戶只能和一個單元聯(lián)系，公式（3)表示單元C聚集的資源不能超過固定的上限 WrMW，訝為所有可能的資源向量（w，x) = ((w，x) 1，...，（w，x)。，...，（w，xr)的集合，并 且用（W,χΓ=((w。，. . .，We,N.j), (Xe,l, . . .，Xe,N.j))表示每個單元C內(nèi)部的資源分配向量， (W，x)e(W，訝表示問題的最佳解決方案； 步驟3-2-2、提出假設(shè)，并對GP問題進行優(yōu)化，所述GP問題為：把用戶分配到網(wǎng)絡(luò)單元 之中，并把它們相應(yīng)的資源最佳地分配到整個系統(tǒng)；所述假設(shè)為： 假設(shè)1 :GP問題可行，即永遠有一個向量所巧e(W，乂）能使公式似、公式做成立； 假設(shè)2 :單個移動用戶設(shè)備U,被選擇，W使得下列兩個條件保持： (a)U，(W。,,）是凹形增長的并且兩次連續(xù)可微的在區(qū)間W。,,=扣，WΓΧ]之間化)-Wc, ,υ" >c,,)/U' >c,,) > 1 (' 為微分）； 假設(shè)3 :假設(shè)單元內(nèi)部的干擾和單元之間的干擾都是相同的接入類型，都是靜態(tài)的且 可W被認為為噪聲，即高斯噪聲，運種假設(shè)不會在不同的無干擾接入方式的共存重疊的科 技單元上強加任何限制； 假設(shè)4 :存在一種對每個單元C都有效的資源分配機制，使得每個單元可用的資源最佳 地分配到與之對應(yīng)的用戶集，與假設(shè)1-3相符； 對GP問題進行優(yōu)化，將其優(yōu)化為全體禪合問題GD問題，所用公式為： 定義和GP問題相關(guān)的拉格朗日函數(shù)，即：巧） 式中參數(shù)含義為：單個移動用戶設(shè)備Uj，μ=(μ1，···，yNj)為一個拉格朗日乘數(shù)向 量，相當(dāng)于公式（2)的松弛，M*定義為原問題的解得非空的集，為公式（2)中最佳地拉格朗 日乘數(shù)； 定義禪合后的問題的目標函數(shù)：利用上述Ξ個公式對GD問題進行優(yōu)化，結(jié)果為：式中參數(shù)含義為是用戶為了單元C的花費的和，即單元C的最大收益。4. 根據(jù)權(quán)利要求2所述的基于異構(gòu)無線網(wǎng)絡(luò)的多路存取多單元分布式資源分配方 法，其特征在于，步驟3-3按照社會認知優(yōu)化算法SCO的流程，將步驟3-2得到的滿足基因 /=(知…/4,)的個體執(zhí)行群體的認知學(xué)習(xí)過程，具體為： 步驟3-3-1、對GD問題進行演繹和分解： 將GD分成兩個最優(yōu)的水平，低一點的水平下為單元內(nèi)部最優(yōu)化問題CP問題，所用公式 為：(9) 在高一點的水平下，確定對偶變量向量μ，所用公式為：(10) 式中參數(shù)含義為：是聚合的對偶函數(shù)； 步驟3-3-2、解決上述問題，針對CP問題，做如下定義： 定義1 :每個用戶j和一個最小的信噪比水平定義為Γ，，它決定了由于連接問題而附 加在它上的單元的位置，即： 5, :{ceC\r,.,>r^,S,c:CΠ1) 式中參數(shù)含義為：S，表示用戶潛在的依賴程度，巧 定義2 :定義只有一個子集的用戶可W與單元綁定的集合S。為： 式：{./臣./心>1-',巧^'/ (12) 假設(shè)S。被每個單元C獲取，則S。是一組在單元覆蓋范圍內(nèi)的集合； 根據(jù)公式（11)和公式（12)，將問題簡化為下列空間限制的問題，即單元內(nèi)部位置最佳 化問題（CLP)，所用公式為：(!3) 式中參數(shù)含義為：爪訝嗦示可行解的個體單元集，它表示 (W,X)E(W,X) 8,給定一個乘向量片的=(/^0，...，/^訊，在一個給定的時間 間隔t中，（u'.x)；'sOr，.'、')；'、,,,,.,Eyi'VA')'表示所有系統(tǒng)中單元最佳資源分配向量，是在所有CLP問題上特別得到的解； 步驟3-3-3、基于假設(shè)1~假設(shè)3和μ，一個改進的等價的且已處理的CLP變形已經(jīng)被 廣泛利用，即：可通過上述公式解出唯一未知的向量是采用次梯度投影法解決公式（10)W及整個GP問題，讓乘數(shù)μ被更換至相反方向的梯 度上，VDL(L·')皆€./，所用公式為04) 式中參數(shù)含義為：q(t) =ε，是一個固定標量； 將上述公式簡化，可得公式：(15) 式中參數(shù)含義為為聚合的對用戶j中單元的需求； 步驟3-3-4、把（15)代入（14)中，得：、1(，） 完成了對整個問題的最優(yōu)化。
【專利摘要】本發(fā)明公開了一種基于異構(gòu)無線網(wǎng)絡(luò)的多路存取多單元分布式資源分配方法，包括以下步驟：步驟1，收集所設(shè)定區(qū)域內(nèi)所有資源物理上限；步驟2，確定所設(shè)定區(qū)域內(nèi)所有單元節(jié)點數(shù)和用戶數(shù)；步驟3，利用遺傳文化社會認知算法來對異構(gòu)無線網(wǎng)絡(luò)中資源進行分配。本發(fā)明提供的資源分配方法高效、可靠，可以顯著提高資源利用率以及分配方案的合理性。本發(fā)明的方法具有較快的收斂速度，搜索能力較強。
【IPC分類】H04L12/911
【公開號】CN105407060
【申請?zhí)枴緾N201510697419
【發(fā)明人】徐雷, 方浩文, 王俊, 楊余旺, 李千目
【申請人】南京理工大學(xué)
【公開日】2016年3月16日
【申請日】2015年10月23日