主权项 |
一种通信网络中基于遗传算法的上行功率控制方法,其特征在于,包括:A、对通信网络进行建模,获取理论最优的移动终端发射功率表达式;B、结合遗传算法确定适应度函数;C、确定变量的二进制串位数;D、初始化种群;E、从二进制串中返回一个实际的值作为实际变量;F、根据适应度函数得到染色体中最健壮及最虚弱的基因,并据此设计遗传算子以及确定遗传算法的运行参数;在所述步骤A中,所述理论最优的移动终端发射功率<img file="FDA0000831751770000011.GIF" wi="51" he="78" />矢量表达式为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mover><mi>P</mi><mo>^</mo></mover><mo>=</mo><msup><mrow><mo>(</mo><mi>I</mi><mo>-</mo><mi>H</mi><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><mi>η</mi><mo>;</mo></mrow>]]></math><img file="FDA0000831751770000012.GIF" wi="341" he="71" /></maths>其中,矩阵<img file="FDA0000831751770000015.GIF" wi="213" he="104" />其为一个M×M的归一化链路增益矩阵;矢量η=(δ<sub>n</sub>/G<sub>ni</sub>)×γ′<sub>i</sub>,其为归一化噪声功率矢量,其中δ<sub>n</sub>是基站n处的热噪声功率,G<sub>ni</sub>为某一时刻第i个移动终端和基站n之间的链路增益,γ′<sub>i</sub>为第i个移动终端的目标信干比;在所述步骤B中,对于通信系统上行链路而言,确定的适应度函数如下:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>μ</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><mo>[</mo><msub><mi>p</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><mi>φ</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>]</mo><mo>;</mo></mrow>]]></math><img file="FDA0000831751770000013.GIF" wi="477" he="135" /></maths>其中,φ(t)=p<sub>i</sub>(t)‑p<sub>i</sub>(t‑1),p<sub>i</sub>(t)表示第i个移动终端在第t代的发射功率;在所述步骤E中,从二进制串返回一个实际的值作为实际变量采用如下公式来实现:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msub><mi>p</mi><mi>i</mi></msub><mo>=</mo><mi>α</mi><mo>+</mo><mi>d</mi><mi>e</mi><mi>c</mi><mi>i</mi><mi>m</mi><mi>a</mi><mi>l</mi><mrow><mo>(</mo><mi>s</mi><mi>u</mi><mi>b</mi><mi>s</mi><mi>t</mi><mi>r</mi><mi>i</mi><mi>n</mi><mi>g</mi><mo>)</mo></mrow><mo>×</mo><mfrac><mrow><msub><mi>p</mi><mrow><mi>i</mi><mo>_</mo><mi>m</mi><mi>a</mi><mi>x</mi></mrow></msub><mo>-</mo><mi>α</mi></mrow><mrow><msup><mn>2</mn><msub><mi>m</mi><mi>j</mi></msub></msup><mo>-</mo><mn>1</mn></mrow></mfrac><mo>;</mo></mrow>]]></math><img file="FDA0000831751770000014.GIF" wi="870" he="127" /></maths>其中,decimal(substring)表示变量p<sub>i</sub>的十进位数值;在所述步骤F中,采用轮盘赌法,根据适应度函数得到染色体中最健壮及最虚弱的基因,并据此设计遗传算子以及确定遗传算法的运行参数,其具体步骤包括:F1、根据各个随机生成的染色体二进制对应的十进制数值U<sub>k</sub>,K这个参数主要用于体现遗传算法的随机可控性,人为初始设置,计算适应度函数eval(U<sub>k</sub>):eval(U<sub>k</sub>)=μ(t)k=1,2,3,.....;F2、计算群体的适应度总和:<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><mi>F</mi><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><mi>e</mi><mi>v</mi><mi>a</mi><mi>l</mi><mrow><mo>(</mo><msub><mi>U</mi><mi>k</mi></msub><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000831751770000021.GIF" wi="366" he="142" /></maths>F3、计算对应每个染色体U<sub>k</sub>的选择概率Y<sub>k</sub>:<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><msub><mi>Y</mi><mi>k</mi></msub><mo>=</mo><mfrac><mrow><mi>e</mi><mi>v</mi><mi>a</mi><mi>l</mi><mrow><mo>(</mo><msub><mi>U</mi><mi>k</mi></msub><mo>)</mo></mrow></mrow><mi>F</mi></mfrac><mo>;</mo></mrow>]]></math><img file="FDA0000831751770000022.GIF" wi="308" he="127" /></maths>F4、计算每个染色体U<sub>k</sub>的累计概率Q<sub>k</sub>:<maths num="0006" id="cmaths0006"><math><![CDATA[<mrow><msub><mi>Q</mi><mi>k</mi></msub><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>k</mi></munderover><msub><mi>Y</mi><mi>j</mi></msub><mo>,</mo><mi>k</mi><mo>=</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mn>3.....</mn><mo>,</mo><mi>K</mi><mo>;</mo></mrow>]]></math><img file="FDA0000831751770000023.GIF" wi="677" he="142" /></maths>F5、选择新种群的一个染色体。 |