[发明专利]一种异构融合场景中基于混合优化的资源分配方法

说明书

技术领域

本发明属于移动通信技术领域，尤其涉及一种异构网络融合场景中基于混合 优化的资源分配方法。

背景技术

无线通信技术的迅猛发展形成了异构通信网络，在多种接入技术、组网方式、 无线终端并存的场景下，实现多种无线通信技术的有机融合，是技术发展的必然 趋势，也是实现最优网络资源使用和最佳用户服务质量保障的有效途径。随着宽 带无线应用的推广，无线资源日趋紧张，资源分配技术成为实现异构网络融合的 关键技术之一。在异构网络中，除了无线接入技术的多样性，还包括业务类型的 多样性。相应地，资源分配技术既要考虑不同无线接入技术的特点也要考虑多种 业务的不同需求。

在异构网络环境下，不同的无线网络在传输速率、覆盖范围、系统容量及提 供的服务水平方面有很大的差异。传统的基于用户移动性和业务特征的资源分配 方法不能有效地应用到泛在网络中，这些算法通常仅考虑一种业务类型，没有考 虑支持多种业务的情景以及资源分配对网络性能和用户QoS的重要作用。现有 的异构网络中的资源分配方法，往往仅从用户端或者仅从网络端考虑，缺乏对网 络资源和业务特性的清晰把握，从而导致资源分配存在很多的不足，无法适应网 络资源的动态变化和不同QoS需求。目前各主流算法均存在各自的优缺点，如 遗传算法虽然全局搜索能力较好，但对系统中的反馈信息却无能为力，缺乏局部 搜索能力容易陷入局部最优解；蚁群算法虽具有很强的发现“较优解”的能力， 但初期信息素缺乏会导致搜索效率低。

本发明采用基于混合优化的资源分配方法，该方法结合不同无线网络和业务 类型特点，最大化资源利用率，同时满足各类业务的QoS要求。采用遗传运算 与蚁群算法相结合的混合优化方法求解资源优化问题，先利用遗传算法快速随机 的全局搜索能力来产生初始信息素，再利用蚁群算法求精确解，优势互补，不仅 能够清晰描述移动终端在使用有限资源时的竞争关系与相互作用，而且很大的提 高了时间效率和最优解精确度。

发明内容

本发明提供了异构融合场景中一种基于混合优化的资源分配方法，其目的以 最大化资源利用率为目标，同时保证各类业务QoS需求，寻求面向异构网络中 覆盖范围内所有移动终端的最佳资源分配方案。

本发明给出了在异构网络融合场景中，采用遗传运算与蚁群算法相结合的混合优化方法来寻求最佳资源分配方案。其中，异构网络融合系统包括N种无线接入网络(RANs，RadioAccessNetworks)，每种RAN具有不同的覆盖范围和带宽支持能力，如图1所示。假设RAN-1具有最大的覆盖范围但提供的带宽最低，RAN-n(n＝2,…,N)提供的带宽较高但覆盖范围较小，B_n表示RAN-n含有的带宽单元数，不同的RAN其带宽单元提供的带宽不同，覆盖面积越大，带宽单元提供的带宽越小，设RAN-1的带宽单元为基本带宽单元(BBU，BasicBandwidthUnit)，一个B_n(n＝2,…,N)等于β_n(n＝2,…,N)个BBUs，β_n>1。每种网络都支持J类业务，满足j类业务的最少BBUs数为最多为在研究区域有M个随机分布的移动终端(MTs，MobileTerminals),MT是多模终端，即可以同时接入多种RANs，用表示由RAN-n(n＝1,…,N)分配给移动终端m(m＝1,…,M)的j(j＝1,…,J)类业务的BBUs，表示网络分配给业务的优先级参数，本发明以最大化资源利用率为目标建立优化目标函数，再将其转化为遗传算法的适值函数，种群中个体用矢量表示，S‾=[b111,...,b11N,...,b1J1,...,b1JN,...,bi11,...,bi1N,...,biJ1,...,biJN,...,bM11,...,bM1N,...,bMJ1,...,bMJN],]]>再经过种群初始化、计算适值函数、选择、交叉、变异、种群更新等一系列迭代运算后得到资源初次分配结果，然后将其转换为蚁群算法的初始信息素分布，每只蚂蚁按照信息素浓度决定转移方向，依据每次循环结果进行全局信息素更新，经过多次循环迭代得到最佳资源分配方案，最后根据最佳资源分配方案为移动终端的每个业务请求分配相应的带宽资源。本方法的框图如图2所示。