[发明专利]日盲紫外非视距Ad-hoc通信网络共享信道优化方法

权利要求书

1.日盲紫外非视距Ad-hoc通信网络共享信道优化方法，其特征在于，包括如下步骤：

步骤1：建立了日盲紫外非视距Ad-hoc通信网络三种信道模式下的冲突避免模型：

S11：全向——全向通信方式的冲突避免模型如式（1）：

|N1-N2|≥(1+Δ)(r₁+r₂)  （1）；

其中，Δ>0，表示保护带区域，N1和N2均表示日盲紫外非视距Ad-hoc通信网络的节点，r₁和r₂分别表示节点N1，N2在全向数据传输时的有效传输距离；

S12：全向——定向通信方式下的冲突避免模型如式（2）：

|N1-N2|≥(1+Δ)(r₁'+r₂)  （2）；

其中，Δ>0，表示保护带区域，N1和N2均表示日盲紫外非视距Ad-hoc通信网络的节点，r₁'表示节点N1在定向数据传输时的有效传输距离，r₂表示节点N2在全向数据传输时的有效传输距离；

S13：定向——定向通信方式下的冲突避免模型如式（3）：

|N1-N2|≥(1+Δ)(r₁'+r₂')  （3）；

其中，Δ>0，表示保护带区域，N1和N2均表示日盲紫外非视距Ad-hoc通信网络的节点，r₁'表示节点N1在定向数据传输时的有效传输距离，r₂'表示节点N2在定向数据传输时的有效传输距离；

步骤2:构建日盲紫外非视距Ad-hoc通信网络的局部链路冲突图，具体步骤如下：

S21：构造链路干扰近似模型：

每条链路仅和自身的ξ跳内的邻居链路存在干扰，其中R=min{r_i,r_i'}表示节点的传输半径，R'=max{r_i,r_i'}表示节点的干扰半径；

S22：利用日盲紫外非视距Ad-hoc通信网络中节点的计算能力计算，各节点产生包含有自己业务传输及所受干扰信息的广播数据包，用全向光束将该广播数据包发送给其ξ跳内的邻居链路节点；

S23：每个节点都保存它的ξ跳内节点发送的广播包，并生成日盲紫外非视距Ad-hoc通信网络的局部链路冲突图；

步骤3：根据步骤2建立的日盲紫外非视距Ad-hoc通信网络的局部链路冲突图计算最优染色序列，具体如下：

S31：设步骤2建立的日盲紫外非视距Ad-hoc通信网络的局部链路冲突图为M_λ,c=(Λ,l_λ,c)，该局部链路冲突图的μ—点染色是从局部链路冲突图M_λ,c=(Λ,l_λ,c)的顶点集Λ到色数集PC(μ)的一个映射σ；当且仅当λ_i,λ_j∈Λ，且λ_iλ_j∈l_λ,c时，σ(λ_i)≠σ(λ_j)，局部链路冲突图M_λ,c=(Λ,l_λ,c)的μ—点染色集合记为Ξ_μ(M_λ,c)，若|Ξ_μ(M_λ,c)|≠0，则称局部链路冲突图M_λ,c=(Λ,l_λ,c)是μ—点可染色的，其中，λ_i，λ_j分别表示链路冲突图M_λ,c=(Λ,l_λ,c)的顶点集Λ中的第i个和第j个顶点，l_λ,c表示冲突链路集，σ(λ_i)表示λ_i的染色值，σ(λ_j)表示λ_j的染色值，色数集PC(μ)表示染色值构成的集合；

S32：采用遗传算法与贪心算法相结合进行链路冲突图的染色，具体步骤如下：

S321：构建染色体空间：

用A(M_λ,c)=(ai_j)_k×k表示局部链路冲突图M_λ,c=(Λ,l_λ,c)的邻接矩阵，具体如式（4）：

aij1ifλiλj∈lλ,c0ifλiλj∉lλ,c---(4);]]>

其中k表示链路冲突图M_λ,c=(Λ,l_λ,c)的阶数，a_ij表示邻接矩阵A(M_λ,c)=(ai_j)_k×k中的元素，对局部链路冲突图M_λ,c=(Λ,l_λ,c)顶点的所有染色方案构成染色体空间；

对染色体空间作如下编码：

设M_λ,c=(Λ,l_λ,c)的k个顶点的一种顺序为n₁，n₂...n_k，其中n₁，n₂...n_k是自然数的{1,2,...,k}的一种排列，对应于一个长度为k的序列x₁x₂...x_i...x_k，其中x_i表示对M_λ,c=(Λ,l_λ,c)的顶点λ_i所着的颜色，x_i∈PC(μ)；

对染色体空间进行编码后，利用贪心算法产生由整数组成的N条染色体组成的初始种群，则对应于一个长度为k的序列x₁x₂...x_i...x_k成为一条染色体x，x_i则成为该条染色体的第i个基因；

S322：设定适应度函数：

定义罚函数如式（5）:

p(x)=Σi=1.j=i+1kη(λi,λj)---(5);]]>

且

η(x)表示染色体空间中染色体x违反约束的边的数目；

定义适应度函数如式（7）：

ρ(x1x2...xk)=1p(x)+|χ(x)-ϵ-1|---(7);]]>

其中χ(x)是染色体x=(x₁x₂...x_k)中所用的颜色数,ε为已求得的μ—点可染色方案中所用的颜色最小值；

S333：遗传选择概率γ_i的确定：

对于适应度值为ρ_i的第i条染色体x，它的遗传选择概率γ_i可用公式（8）计算：

γi=ρiΣj=1pop_sizeρj---(8);]]>

其中求和上限pop_size的取值是种群规模N；

S324：交叉算法的确定：

设x=(x₁x₂..x_i..x_k)和z=(z₁z₂...z_i...z_k)是参加交叉的两个父代染色体，依次对基因x_i,(i=1,2,...,k)和z_i,(i=1,2,...,k)分如下两类情况交叉：

1）当基因x_i<ε和z_i<ε时,若使得(λ_i,λ_j)∈l_λ,c,x_i=x_j，则令x_i=z_i；

2）否则，令x_i=min(x_i,z_i)；

S325：变异算法的确定：

在染色体x=(x₁x₂...x_k)中随机选择两个位置,对这两个位置之间的基因值进行重新排序,其它位置的基因保持原来的值不变；

S326：逆转算法的确定：

在染色体x=(x₁x₂...x_k)中随机选取两个位置,然后将这两个位置之间的基因值逆转；

S327：遗传算法的终止条件：

每一代种群的平均适应度值可通过（9）计算:

ρ‾=Σj=1pop_sizeρjN---(9);]]>

遗传算法的终止条件为0<θ<1；

步骤4：求解表示局部链路冲突图最优染色的染色序列，具体步骤如下：

输入：局部链路冲突图M_λ,c=(Λ,l_λ,c)，邻接矩阵A(M_λ,c)=(ai_j)_k×k；

输出：表示局部链路冲突图最优染色的染色序列；Step1群体初始化,设置控制参数，群体规模为N,最大进化代数为gen,交叉概率为γ_c,变异概率为γ_m；

Step2贪心算法:

使用整数字符串编码方式，采用贪心算法得到N个局部次优解，使群体初始化，具体贪心算法如下：

A1如果局部链路冲突图M_λ,c=(Λ,l_λ,c)中还有未染色顶点，执行步骤A2，否则贪心算法结束，执行遗传算法；

A2从任一极大团Q内任一顶点出发，寻找与它拓扑距离最短另一极大团P的顶点，染相同的颜色T，以组成可以并发的链路集合；

A3继续寻找与步骤A2中的极大团Q拓扑距离最短且和该极大团Q中所有顶点都不相连的顶点，对该顶点染与步骤A2中相同的颜色T，并添加进可以并发的链路集合；

A4重复步骤A3，如果无法再找到符合条件的顶点添加进可以并发的链路集合，执行步骤A5；

A5从局部链路冲突图M_λ,c=(Λ,l_λ,c)中删去前述已染色顶点以及与前述顶点相连的边，再执行步骤A1；

Step3遗传算法：

B1gen=0，生成初始种群Pop(0)，初始种群Pop(0)中有N条染色体；

B2利用适应度函数（7）计算gen代种群中N条染色体的适应度值；

B3若满足算法遗传算法的终止条件,则输出满足算法终止条件的染色体，该染色体上的基因序列即为表示局部链路冲突图最优染色的染色序列；否则执行B4；

B4采用式（8）确定的遗传选择概率γ_i复制初始种群中的N条染色体得到新的N条染色体；

B5对新的N条染色体按照交叉概率γ_c成对选择N_c条染色体，应用步骤S234确定的交叉算法在成对的两条染色之间进行交叉；再按照变异概率γ_m选择N_r条染色体，应用步骤S325确定的变异算法进行变异；然后再随机选择的N_n条染色体，

应用步骤S326中的逆转算法进行逆转，得到下一代种群，设gen=gen+1，返回B3；

步骤5：基于步骤4得到表示局部链路冲突图最优染色的染色序列建立日盲紫外非视距Ad-hoc通信网络的非竞争MAC协议，具体如下：

将日盲紫外非视距Ad-hoc通信网络中染相同颜色的节点分配在同一时隙，染不同颜色的节点分配在不同时隙，时隙的个数等于随染色数；

在所述非竞争MAC协议中，若干个时隙组成一帧，每一帧分为控制子帧和数据子帧，每一帧的开始是控制子帧，利用控制子帧将各节点传输业务分配到数据子帧中各数据时隙，处于冲突域范围内的所有节点共享控制子帧的调度及数据时隙分配信息。