導(dǎo)語(yǔ)：移動(dòng)通信中信道分配問(wèn)題論文一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要由于可用的移動(dòng)通信的頻帶寬度是有限的，優(yōu)化信道分配的問(wèn)題變的越來(lái)越重要。通過(guò)優(yōu)化可以大大提高系統(tǒng)容量，并且減少通信間的干擾，從而改善了通信質(zhì)量，提高客戶的滿意度。在本論文中，我們通過(guò)基因算法(GA)，在信道數(shù)量有限的條件下，解決移動(dòng)通信網(wǎng)絡(luò)中的頻率分配問(wèn)題。信道分配問(wèn)題是個(gè)很復(fù)雜的優(yōu)化問(wèn)題。模擬結(jié)果表明基因算法(GA)可以進(jìn)一步提高由其它算法獲得的結(jié)果。

關(guān)鍵詞基因算法，信道分配，信道干擾

1．介紹

在移動(dòng)通信中，提供給用戶和無(wú)線網(wǎng)絡(luò)基站之間通信的頻帶寬度是有限的。因此，隨著手機(jī)用戶的普及，這個(gè)有限的資源成為移動(dòng)通信系統(tǒng)發(fā)展的瓶頸。為滿足信噪比要求，本文從以下三種基本的干擾：同信道干擾，同區(qū)域干擾，鄰道干擾考慮來(lái)設(shè)計(jì)網(wǎng)絡(luò)。

無(wú)線頻率傳播和預(yù)期的通信量作為某些信道分配給某個(gè)區(qū)域時(shí)是否會(huì)產(chǎn)生干擾的決定因素。通信量也可以用來(lái)預(yù)測(cè)每個(gè)區(qū)域內(nèi)所需要的信道數(shù)目。信道分配問(wèn)題可以分為兩類。第一類：在滿足整個(gè)系統(tǒng)無(wú)干擾的情況下，最小化所需的信道數(shù)，以節(jié)約有效的頻率資源。這就是參考[1]中提到的信道分配問(wèn)題1(CAP1).第二類：在大多數(shù)實(shí)際應(yīng)用中，無(wú)法提供足夠可用的信道確保無(wú)干擾的信道分配，只能最小化整個(gè)系統(tǒng)內(nèi)的干擾，滿足各區(qū)域?qū)π诺罃?shù)量上的需求。這就是參考[1]中提到的信道分配問(wèn)題2(CAP2)。近幾年來(lái)，一些啟發(fā)式算法（HeuristicApproach）([2],[3],[4])等多種算法被用來(lái)解決信道分配問(wèn)題。但由于算法的一些局限，往往結(jié)果并不理想。

基因算法GA的本質(zhì)：全局性概率搜索算法,是可行的搜索技術(shù)，用定長(zhǎng)的線性串對(duì)問(wèn)題的解進(jìn)行編碼，通過(guò)復(fù)制、交叉和變異等遺傳操作改變個(gè)體的結(jié)構(gòu)。個(gè)體作為搜索對(duì)象。根據(jù)適應(yīng)度進(jìn)行選擇，決定個(gè)體是否參加復(fù)制、交叉等遺傳操作，得到的返回值后，代入適應(yīng)度函數(shù)求出子染色體樹(shù)的適應(yīng)度(適應(yīng)度：表示了個(gè)體產(chǎn)生的效益，是個(gè)體優(yōu)秀程度的度量)。取適應(yīng)度最大的作為最優(yōu)子個(gè)體。

已經(jīng)有大量的例子使用基因算法GA來(lái)解決信道分配問(wèn)題.例如,參考文獻(xiàn)[12],[19],[20],[21],[22]使用基因算法來(lái)解決信道分配問(wèn)題1(CAP1)。[23]和[24]用公式描述了CAP2,但是它們只對(duì)無(wú)干擾的情況感興趣。參考文獻(xiàn)[16]中依據(jù)基因算法給出了解決信道分配問(wèn)題2的獨(dú)特的公式，在本論文中，就依據(jù)這個(gè)公式，將無(wú)干擾條件作為軟限制條件(Softconstraint)，而將各個(gè)小區(qū)所需要的信道數(shù)作為硬限制條件。我們用十個(gè)基準(zhǔn)（benchmark）問(wèn)題來(lái)進(jìn)行模擬仿真，并將結(jié)果與其它算法獲取的結(jié)果相比較。

2．信道分配問(wèn)題

假設(shè)一個(gè)無(wú)線通信網(wǎng)絡(luò)，它有N個(gè)小區(qū)和M個(gè)通信信道。小區(qū)i的信道需求（由預(yù)期的通信量求出）為Di個(gè)信道。電磁波的傳播方式可以決定在頻域中兩個(gè)信道之間能保證沒(méi)有干擾的最小距離。這些最小的距離存儲(chǔ)在的對(duì)稱矩陣C中。我們回顧一下Smith和Palaniswami[4]提出CAP2的數(shù)學(xué)模型：

其中;.如果,就是說(shuō)小區(qū)j和i分別分配到信道k和信道l。分配所引起的干擾程度可以由張量中的一個(gè)元素進(jìn)行計(jì)算，其中是信道k和信道l在頻域中的絕對(duì)距離。當(dāng)時(shí)，干擾的程度最大。干擾隨著兩信道間距的增大而減小。減小整個(gè)網(wǎng)絡(luò)中的干擾程度的問(wèn)題就可簡(jiǎn)化，即：

最小化：

(1)

限制條件：

(2)

(3)上述提到鄰近因子張量P是一個(gè)三維矩陣。立方體正前平面對(duì)角線被置0的矩陣C。張量的第三向線成線性減少，因此張量的有效深度為矩陣C的最大對(duì)角線值，它由遞歸方法生成：

(4)

3仿真結(jié)果

在我們的仿真試驗(yàn)中，采用了參考文獻(xiàn)[16]推薦的方法，初始化一組滿足限制條件的個(gè)體。每個(gè)個(gè)體是一個(gè)的矩陣的解。每一行代表一個(gè)小區(qū)內(nèi)的分配方案。每一行內(nèi)的1的數(shù)量代表了分配給該小區(qū)的信道數(shù)目。根據(jù)前面介紹的基因算法，進(jìn)行行間交叉，行內(nèi)變異的算法。這樣，每次生成的新解都可滿足限制條件。我們用等式(1)來(lái)評(píng)估每個(gè)個(gè)體的適應(yīng)度，并根據(jù)適應(yīng)度來(lái)選擇用于生成下一個(gè)族群的個(gè)體。

果”0”代表無(wú)干擾分配。我們可以看出對(duì)于HEX2和KUNZ1我們獲得了比其帶爬坡的Hopfield神經(jīng)網(wǎng)絡(luò)算法(thehill-climbingHopfieldnetwork(HCHN))[8]中更好的數(shù)據(jù).在仿真過(guò)程中,一些參數(shù),例如交叉操作機(jī)率,變異操作機(jī)率和族群大小都需要去設(shè)定.我們是通過(guò)反復(fù)試驗(yàn)來(lái)設(shè)定這些參數(shù)的.

到目前為止，許多研究者已經(jīng)研究了在保證無(wú)干擾情況下最小化所需信道數(shù)的問(wèn)題。而本論文則是針對(duì)那些實(shí)際可用信道數(shù)少于無(wú)干擾所需信道數(shù)的實(shí)際問(wèn)題，研究在有限的信道的條件下來(lái)最小化生成干擾的的可行性方案,這將會(huì)很有實(shí)際應(yīng)用價(jià)值.

基因算法是一個(gè)有趣的方法，它是從點(diǎn)到點(diǎn)的全局搜索,在解決優(yōu)化組和問(wèn)題時(shí)，可快速獲取更優(yōu)的解。基準(zhǔn)問(wèn)題的仿真結(jié)果表明基因算法可得到比其它方法更理想的結(jié)果,即在滿足需求限制的條件下，使得信道分配帶來(lái)更少的干擾的解決方案.

更高級(jí)的基因算法諸如并行基因算法(parallelGA)和微基因算法(microGA)可以在短時(shí)間內(nèi)解決信道分配問(wèn)題2,得到更好的結(jié)果.基因算法(GA)特別適合于在高速并行計(jì)算機(jī)上運(yùn)算.目標(biāo)函數(shù)和限制條件可同時(shí)執(zhí)行,對(duì)整個(gè)族群操作運(yùn)算,通過(guò)交叉和變異操作生成選取新一代適應(yīng)度更高的子族群參數(shù)。因此對(duì)硬件性能要求高，直接關(guān)系到運(yùn)行時(shí)間長(zhǎng)短,效率問(wèn)題.

在一臺(tái)高速并行機(jī)上，基因算法預(yù)計(jì)能以幾K倍的速度處理很多問(wèn)題，K是入口尺寸大小。即使要并行的評(píng)估的個(gè)別問(wèn)題功能有效性,也可在最短時(shí)間內(nèi)獲得最佳解決辦法。REFERENCES

參考文獻(xiàn)

1K.Smith,“Solvingcombinatorialoptimizationproblemsusingneuralnetworks,”Ph.D.dimerfation,UniversityofMelboume,Australi41996.

2D.Kunz,‘‘SuboptidsolutibniobtainedbytheHopfield-Tankneuralnetworkalgorithm”,BiologicnlCybernetics,vol.65,pp.l29-133,1991.

3F.BOX,~‘‘Aheuristictechniqueforissigningfrequenciestomobile:radionets,”IEEETrans.Veh.Techno/.,vol.VT-27,no.2,pp..57-64,1978.-~

4M.:Duque&to&D.KunzandB.Ruber,“Staticanddynamicchannelassignmentusingsimulatedannealing,”NeuralNehvorkrinTelecommunications.B.YuhasandN.&sari,E&.Boston,MA:Kluwer,1994.

5M.Sengokq“Telephonetrafficinamobileradiocomunicationsystemusingdynamicfrequencyassignments,’’IEEETrans.Veh.Technol..vo1.29,no.2,pp.270-278,1980.

6A.Camst,“Homogeneousdistributionoffrequenciesinaregularhexagonalcellsystem,”IEEETrans.Veh.Technol.,vol.31.no.3,pp.132-144,1982.

7A.Gamst,“Somelowerboundsforaclassoffrequencyassignmentproblems,’’IEEETrans.Veh.Technol.,vo1.35,no.I,pp.8-14,1986.

8K.SmithandM.Palaniswami,“StaticindDynamicChannelAssignmentusingNeuralNetworks”,IEEEJoumlonSelectedAreasinCommunications,vol.15,no.2,pp.238-249,1997.

9E.Falkenauer,Geneticalgorithmsandgroupingproblems.Chichester,England:Wiley,1998.

10R.Matbarand1.Mattfeldt,”Channelassignmentincellularradionetworks”,IEEETrans.Veh.Technoi.,Vo1.42,pp.1421,Feb1993.

11.S.KitqS.H.Park,P.W.Dowd,andN.M.Nasrabadi,“Channelassignmentincellularradiousinggeneticalgorithm”,WirelessPersona:Commun,vo1.3,110.3,pp.273-286,Aug.1996.

12D.BeckmannandU.Killat,“Anewstrategyfortheapplicationofgeneticalgorithmstothechannelassignmentproblem”,IEEETrans.Veh.Technol.,vol.48,no.4,pp.1261-1269,July,1999.

13E.DavidGoldberg,Geneticalgorithmsinsearch.optimization,andmachinelearning.Reading,Mass.:Addison-WesleyPub.Co.,1989.

14K.Deb,“Multi-objectiveOptimizationUsingEvolutionaryAlgorithms”,JohnWiley&Sons,2001.

15LawrenceDavis,HandbookofGeneticAlgorithms.NewYorkVanNosbandReinhold,1991.

16K.A.Smith,“Ageneticalgorithmforthechannelassignmentproblem.”IEEEGlobalTechnohaConference,vol.4,1998.

17DonaldE.Knuth,TheArtofcomputerprogramming:FundnmentalAlgorithms.nirdEdition.Reading,Mass:Addison-WelseyPub.Co.,1997

I8T.Kohonen,“Self-organizedformationoftopologicallycorrectfeaturemaps,”Biol.Cybern.,vol.43,pp.59-69,1982.

19A.ThavarajahandW.H.Lam,“Heuristicapproachforoptimalchannelassignmentincellularmobilesystems,”IEEProceedingsCommunications,vol.1463,pp.196-200,June,1999.

20G.ChahbortyandB.ChaLborty,“Ageneticalgorithmapproachtosolvechannelassignmentproblem~incellularradionetworks,”Proc.I999IEEEMidnight-SunWorkshoponSoftComputingMethodsinIndustrialApplications,pp.3439,1999.

21M.Williams,“Makingthebestuseoftheairways:animportantrequirementformilitatycommunications,”Electronics&CommunicationEngineeringJoumal.v01.12,no.2,pp.75-83,April,2000.

22F.J.Jaimes-Romero,D.Munoz-Rodriguez,andS.Tekinay,“Channelassignmentincellularsystemsusinggeneticalgorithms,”IEEE46thVehicularTechnologyConference,vol.2,pp.741-745,1996.

23W.K.LaiandG.G.Coghill,“Channelassignmentthroughevolutionaryoptimization,”IEEETransactionsonVehicularTechnology,vo1.45,no.1,pp.91-96,Feb.,1996.

24C.Y.NgoandV.0.KLi,“Fixedchannelassignmentincellularradionetworksusingamodified

geneticalgorithm,”IEEETrans.VehicularTechnology,vol.47,no.1,pp.163-172,Feb.,1998.