基于粒子群算法的多模终端选择目标网络的方法

摘要

本发明提供一种基于粒子群算法的多模终端选择目标网络的方法，包括以下步骤：S1：多模终端将其在每种无线网络中的服务质量值发送给基站；S2：基站接收到所述各服务质量值，调用粒子群算法，为每个多模终端选择目标网络；本发明采用能够避免早熟收敛的粒子群算法，不仅能够寻找到全局最优解，从而有效提高移动通信网络中多模终端的平均服务质量，还大大提高了算法运行速度，减少了算法运行时间。

主权项

一种基于粒子群算法的多模终端选择目标网络的方法，其特征在于，包括以下步骤：S1：多模终端将其在每种无线网络中的服务质量值发送给基站；S2：基站接收到所述各服务质量值，调用粒子群算法，为每个多模终端选择目标网络，所述粒子群算法包括以下步骤：S21：对目标网络和每个粒子进行初始化参数设置，并设定算法迭代总次数；S22：利用所述服务质量值计算粒子当前位置的适应度值；S23：根据所述适应度值更新每个粒子迄今为止搜索到的最优位置以及整个粒子群迄今为止搜索到的最优位置；S24：根据步骤S23的结果，更新每个粒子当前的飞行速度和位置；S25：判断是否达到设定的最大迭代次数；若不是，则返回S22；若是，则输出适应度值最大的粒子的位置矢量，并结束；其中，所述初始化参数的设置包括：对参与选择的全部多模终端和所有不同模式的目标网络进行顺序编号，并设置多模终端和目标网络的总数分别为I个和J种；设置每个粒子当前位置矢量的维度与多模终端数I相同，且所述位置矢量的每一位元素编号与所述多模终端编号相同；对粒子位置矢量的每一位元素进行编码，所述编码代表的数值与目标网络数J相同；随机生成每个粒子的初始飞行速度；设置初始权重以及最终权重；其中，所述步骤S22包括以下步骤：S221：设置每个多模终端服务质量值的最低门限，设置每种目标网络能容纳多模终端数量的最大值；S222：通过以下方式确定每个粒子当前位置的适应度值：如果粒子位置矢量的编码所对应的可选目标网络中，有任何一个多模终端的服务质量值低于其最低门限，或者任何一种目标网络中的多模终端数量超过其容量最大值时，则该粒子当前位置的适应度为0；如果粒子位置矢量的编码所对应的可选目标网络中，所有多模终端的服务质量值都高于其最低门限，并且每种网络中的多模终端数量都不大于设定的目标网络容量的最大值时，则设置每个粒子当前位置的适应度值为全部多模终端的服务质量值的平均值；所述步骤S23包括以下步骤：S231：每当完成一次迭代搜索过程后，将当前每个粒子位置矢量x_a的适应度值和之前记录的每个粒子搜索到的最优位置x_phest的适应度值进行比较；若x_a的适应度值大于之前记录的每个粒子的最优位置x_phest的适应度值，则将当前粒子的位置x_a更新为迄今为止搜索到的最优位置x_phest；反之，每个粒子迄今为止搜索到的最优位置x_phest保持不变；S232：每当完成一次迭代搜索过程，并且更新每个粒子迄今为止搜索到的最优位置x_phest以后，将所有的粒子迄今为止搜索到的最优位置x_phest的适应度值进行相互比较，从中选出适应度值最大的那个粒子，该粒子的位置矢量记为x_a，将该粒子的适应度值和之前记录的整个粒子群搜索到的最优位置x_gbest的适应度值进行比较；若位置矢量为x_a的粒子的适应度值大于整个粒子群搜索到的最优位置x_gbest的适应度值，则将x_gbest更新为x_a，并将其作为整个粒子群迄今为止搜索到的最优位置；反之，x_gbest保持不变；所述步骤S24包括以下步骤：S241：计算惯性权重；S242：更新粒子飞行速度；S243：利用步骤S242更新后的粒子飞行速度，使用Sigmoid函数更新参数s；S244：利用步骤S243的参数s，对粒子的位置进行更新。