论文部分内容阅读
【摘要】 在蜂窝移动通信网络中，由于用户量的迅猛增长，目前仅有的频谱资源很难满足用户的实际需求，采用相应的优化算法有效地规划频率资源来提高频谱的利用率变得极为关键。本文对基本的人工鱼算法进行了改进，使其在解决信道分配问题时，收敛率和收敛速度都有着显著的提高。
【关键词】 人工鱼群算法 信道分配 视野和步长
一、引言
随着移动用户数量的迅速增长，现有的频谱变得十分有限，通过提高频谱资源的利用率来更好地促进移动通信的发展已成为首要任务。而采用信道分配可以有效地解决这一问题。在移动网络中，信道分配技术主要是将有限的资源进行复用，利用尽量少的信道数，在满足蜂窝网络的限制下，为移动通信设备提供最大数量的可用信息，使得系统容量和频谱利用率大幅度提高。目前存在某些解决信道分配问题的优化算法，但在搜索最优解时，仍然有收敛率较低、容易陷入或难以摆脱局部最优解等不足之处。而人工鱼群算法在某一程度上可以弥补这一缺憾。通过调整人工鱼的视野和步长来控制全局搜索能力和局部搜索能力以及搜链路和收敛速度，减少计算量，加快运行时间。
二、信道分配模型
在移动通信蜂窝网络中，同信道干扰作为主要的干扰，受同信道复用距离和小区数制约，而邻信道距离和接收机选择决定了邻信道干扰。因此，信道分配问题主要考虑到同信道约束、邻信道约束、同小区约束这三个电磁兼容限制条件。
存在一个包含N个小区的蜂窝系统，表示为相容矩阵，其中矩阵的非对角元素代表分配给小区中的信道与小区中的信道之间的最小间隔；而矩阵中的其他元素代表分配给小区的一组信道之间的最小间隔。各小区所需要的频率数，，则信道分配的适应度模型定义为：
上式中，：小区分配了第个频点，：小区分配了第个频点。信道分配问题最主要的目的是，在满足相应干扰条件的前提下找到一个频率点数最小的解决方案，即适应度函数最小的情况。
三、 改进人工鱼群的信道分配算法
人工鱼群算法是通过构造人工鱼来模仿鱼群的觅食、聚群、追尾及随机行为来实现寻找最优解的过程，由于基本的人工鱼群算法运行时间较长，求解精度较低，若改进算法可在同一次迭代中执行多种行为，依照人工鱼追踪觅食位置、鱼群中心点和鱼群所出最优位置来调整人工鱼的下一步位置，使该算法近全局最优位置。通过文献[1]中的研究结果可知：视野范围的大小决定了人工鱼的全局搜索能力和局部搜索能力。当无法定位到最优的位置时，需要增大视野的范围，增强全局搜索能力；当定位到最优解的大概位置时，就应减小视野的范围，加强局部搜索能力。人工鱼的步长直接影响了收敛速度，步长越大，收敛速度越快，并伴随着轻微的振荡；步长越小，收敛速度越慢，精度越高。
视野和步长的动态调整方程为：
上式中，：人工鱼的视野范围，：人工鱼的步长，：当前迭代次数与最大迭代次数的相关函数值。在算法运行初期，设定较大的视野、步长来加强全局搜索能力与收敛速度，对人工鱼进行大范围的粗略搜索，随着最优解区域不断减小，逐渐减小视野和步长，是算法从全局搜索演变到局部搜索，并加强搜索精度。
四、实验流程与结果分析
根据改进的人工鱼群算法进行信道分配的过程如下：
第一步：设定鱼群的范围、迭代次数、感知区域、步长的最大值、拥挤度因子、变异条件、觅食时最大试探次数、个体和元素存在的变异概率以及相邻域内伙伴数量。
第二步：对人工鱼的觅食、聚群、追尾及随机行为进行模拟仿真，有公式（1）计算相应的适应度以及其对应的最小值，并将数据准确记录，若结果为0，则退出算法输出结果；否则执行下一步操作。
第三步：计算视野和步长，选取适应度中的最小值，更新人工鱼的位置，检测最优鱼是否优于记录的y值，若优于则更新记录值；否则指向下一步操作。
第四步：对于迭代过程中变化微小的人工鱼，将依照变异概率进行变异，若状态优于记录值则更新记录。
第五步：再次按照公式（1）进行适应度计算，若计算结果为0，则退出并输出结果；否则重复执行第三步。
第六步：结束。
对于改进的人工鱼群信道分配算法与传统的人工鱼算法和传统的退火算法相比较，当可用频率点数减少到一定数值时，传统的算法会出现收敛率不能达到100%的现象，并且平均收敛代数较大。可以看出，改进了的鱼群算法在收敛率和收敛代数上有着显著的提高。
五、总结
本文将人工鱼算法应用于蜂窝网络信道分配问题中，躲进本的人工鱼算法进行改进，采用调整视野和步长来确定最有位置，较好的控制了全局搜索和局部搜索，节省了计算量，缩短了运行时间，提高了算法的收敛率和加快了收敛速度，具有一定的优越性和可行性。
【关键词】 人工鱼群算法 信道分配 视野和步长
一、引言
随着移动用户数量的迅速增长，现有的频谱变得十分有限，通过提高频谱资源的利用率来更好地促进移动通信的发展已成为首要任务。而采用信道分配可以有效地解决这一问题。在移动网络中，信道分配技术主要是将有限的资源进行复用，利用尽量少的信道数，在满足蜂窝网络的限制下，为移动通信设备提供最大数量的可用信息，使得系统容量和频谱利用率大幅度提高。目前存在某些解决信道分配问题的优化算法，但在搜索最优解时，仍然有收敛率较低、容易陷入或难以摆脱局部最优解等不足之处。而人工鱼群算法在某一程度上可以弥补这一缺憾。通过调整人工鱼的视野和步长来控制全局搜索能力和局部搜索能力以及搜链路和收敛速度，减少计算量，加快运行时间。
二、信道分配模型
在移动通信蜂窝网络中，同信道干扰作为主要的干扰，受同信道复用距离和小区数制约，而邻信道距离和接收机选择决定了邻信道干扰。因此，信道分配问题主要考虑到同信道约束、邻信道约束、同小区约束这三个电磁兼容限制条件。
存在一个包含N个小区的蜂窝系统，表示为相容矩阵，其中矩阵的非对角元素代表分配给小区中的信道与小区中的信道之间的最小间隔；而矩阵中的其他元素代表分配给小区的一组信道之间的最小间隔。各小区所需要的频率数，，则信道分配的适应度模型定义为：
上式中，：小区分配了第个频点，：小区分配了第个频点。信道分配问题最主要的目的是，在满足相应干扰条件的前提下找到一个频率点数最小的解决方案，即适应度函数最小的情况。
三、 改进人工鱼群的信道分配算法
人工鱼群算法是通过构造人工鱼来模仿鱼群的觅食、聚群、追尾及随机行为来实现寻找最优解的过程，由于基本的人工鱼群算法运行时间较长，求解精度较低，若改进算法可在同一次迭代中执行多种行为，依照人工鱼追踪觅食位置、鱼群中心点和鱼群所出最优位置来调整人工鱼的下一步位置，使该算法近全局最优位置。通过文献[1]中的研究结果可知：视野范围的大小决定了人工鱼的全局搜索能力和局部搜索能力。当无法定位到最优的位置时，需要增大视野的范围，增强全局搜索能力；当定位到最优解的大概位置时，就应减小视野的范围，加强局部搜索能力。人工鱼的步长直接影响了收敛速度，步长越大，收敛速度越快，并伴随着轻微的振荡；步长越小，收敛速度越慢，精度越高。
视野和步长的动态调整方程为：
上式中，：人工鱼的视野范围，：人工鱼的步长，：当前迭代次数与最大迭代次数的相关函数值。在算法运行初期，设定较大的视野、步长来加强全局搜索能力与收敛速度，对人工鱼进行大范围的粗略搜索，随着最优解区域不断减小，逐渐减小视野和步长，是算法从全局搜索演变到局部搜索，并加强搜索精度。
四、实验流程与结果分析
根据改进的人工鱼群算法进行信道分配的过程如下：
第一步：设定鱼群的范围、迭代次数、感知区域、步长的最大值、拥挤度因子、变异条件、觅食时最大试探次数、个体和元素存在的变异概率以及相邻域内伙伴数量。
第二步：对人工鱼的觅食、聚群、追尾及随机行为进行模拟仿真，有公式（1）计算相应的适应度以及其对应的最小值，并将数据准确记录，若结果为0，则退出算法输出结果；否则执行下一步操作。
第三步：计算视野和步长，选取适应度中的最小值，更新人工鱼的位置，检测最优鱼是否优于记录的y值，若优于则更新记录值；否则指向下一步操作。
第四步：对于迭代过程中变化微小的人工鱼，将依照变异概率进行变异，若状态优于记录值则更新记录。
第五步：再次按照公式（1）进行适应度计算，若计算结果为0，则退出并输出结果；否则重复执行第三步。
第六步：结束。
对于改进的人工鱼群信道分配算法与传统的人工鱼算法和传统的退火算法相比较，当可用频率点数减少到一定数值时，传统的算法会出现收敛率不能达到100%的现象，并且平均收敛代数较大。可以看出，改进了的鱼群算法在收敛率和收敛代数上有着显著的提高。
五、总结
本文将人工鱼算法应用于蜂窝网络信道分配问题中，躲进本的人工鱼算法进行改进，采用调整视野和步长来确定最有位置，较好的控制了全局搜索和局部搜索，节省了计算量，缩短了运行时间，提高了算法的收敛率和加快了收敛速度，具有一定的优越性和可行性。