x，基因位中的纵 坐标y随机选取来自基因库geneLiby。
[0061] (4)依照每个个体被选择的概率
执行选择操作。
[0062] (5)设置进化代数为t，并初始化进化代数t = 0。
[0063] (6)房间的长度为L，宽度为W，高度为H，接收平面高度为h。将接收平面平均分成a XP个网格。网格大小的划分将会影响到遗传算法的捜索精度，考虑到本例的房间的尺寸为 5米巧米，故将房间划分为50巧0网格。按照W下公式计算每个网格点上的接收功率：
[0065] 其中E是PD接收里面检测器的表面积，Dd是接入点和PD之间的直线距离，Ts(il〇光学 滤波器的增益，4是?〇的入射角，口是L抓发射角，g(il〇是光学集中器增益。L抓半功率角(61/2 决定了光源的朗伯指数m，它们之间的换算关系为:m = -ln2/ln(cos((l)i/2))。本例中用到的 参数具体如下表所示：
[0066] 表1可见光系统中用到的参数
[0068] (7)对所有的网格点求期望可得E(Pr) "dif(i，j)表示两个个体的差异值，并且j个 体在当前种群中具有最高的适应度值。按照下式计算dif(i，j):
[0070] (8)引入个体差异度函数作为适应度函数的权重函数，可有效的防止种群进化过 程中有效基因的缺失而陷入局部最优。
[0071] (9)依照公式F(i)=dif(i，j)/E{[Pr-E(Pr)]2}来计算出种群中每个个体的适应度 值;其中，i为种群中的第i个个体，dif Q J)表示两个个体的差异值，E(Pr)表示对接收平面 上所有接收点的接收功率求期望。
[0072] (10)设计变量Flast表示上一代种群中的最好个体的适应度值，Fart表示本代种群 的最好个体适应度值。
[0073] ( 11 )如果Fcrrt大于Flast,则令tcont 二 0 , Flast 二 Fcrrt;否则 ,令tcont 二 tcont+1 , Flast 二 Fcrrt ；
[0074] (12)判断当前的进化代数t是否大于最大进化代数tmax=100,或者连续twnt=15 代种群中最优个体的适应度值未变化;满足W上任意一个条件则转到步骤(20);若不满足 W上任意一个条件，则令进化代数t = t + Utmax和twnt将影响遗传算法收敛到最优解的速 度，考虑到问题规模，运里将它们分别设置为100和15。
[0075] (13)从种群中随机选出两个染色体雌1和CS2,然后按照下式对每个染色体分段：
[0076] Se卵entl = (XI ,yi). . . (XN/4,yN/4)
[0077] 56卵61112=(抑/4+1,5^4+1)...(抑/2,5^2)
[007引 Se卵en1:3 = (XN/2+i,yN/2+i). . . (X3N/4,y3N/4)
[0079] Se卵ent4= (X3N/4,y3N/4). . . (XN,yN)
[0080] (14)随机选取一段Segment,然后交换对应位置上的基因。总共需要进行上述的交 叉操作的次数为Npdpu冲cr。。为了满足遗传算法收敛速度的需要，交叉概率的取值范围一般 为0.6~0.9之间。在本例中取交叉概率Per。= 0.6。
[0081] (15)将遗传算法的捜索空间（天花板所在的平面)划分成Nar*Nar个均匀的小区域， 每个区域表示为Ar化）。区域的划分会依据捜索空间的大小而定。本例中的捜索空间为5米* 5米，故设定捜索空间的划分区域为5巧个；
[0082] (16)随机选择一个染色体CSmut,并且统计在区域AHk)中的染色体CSmut的基因个 数设为n化）；
[0083] (17)对n化)排序，Armax区域中对应有nmax个基因 ，Armin区域中对应有nmin个基因；
[0084] (18)随机删除一个属于Armax的基因，并且按照步骤（1)所述的方法生成一个属于 Armin的基因，并将它插入到染色体中对应的位置。
[0085] (19)重复做W上的操作Npdpu冲mut次，即完成变异操作。为了能使遗传算法稳定捜 索到一个可行的解，变异概率不能取得太大，一般在0.01 W下。本例中取变异概率Pmut = 0.01。返回步骤(8)。
[0086] (20)找出种群中适应度值最大的个体，根据该个个体解码出每个Lm)阵列的最佳 坐标，即为优化后的L邸阵列布局。
[0087] (21)常见的室内Lm)阵列布局及其接收平面上的接收功率如图3所示。由图可见， 在该布局下，接收平面上的接收功率分布极其不均匀，呈现出中间高四周低的特点。经过遗 传算法优化后的Lm)阵列布局及其功率分布如图4所示。在图4中，明显可见，优化后的接收 功率分布具有更小的波动性和更加均衡，运对提高通信的可靠性具有重要意义。
[0088] 最后说明的是，W上优选实施例仅用W说明本发明的技术方案而非限制，尽管通 过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可W在 形式上和细节上对其做出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
【主权项】
1. 一种基于遗传算法的室内可见光通信LED阵列布局优化方法，其特征在于:该方法包 括以下步骤： (1) 确定房间的长度和宽度，并以此来构建遗传算法所需的基因信息；依据上述的基因 信息和天花板布置的若干LED阵列个数构建染色体，初始化种群信息； (2) 设置房间的接收平面高度，并将接收平面均分成若干个网格，计算每个网格上的接 收功率，并分别求出整个接收平面上所有网格接收功率的期望和方差； (3) 利用步骤(2)所述的期望和方差计算出种群中每个个体的适应度值F(i);依照每个 F(i) 个体被选择的概率_ νΤ??)执行选择操作； ι (4) 判断当前的进化代数t是否大于最大进化代数tmax，或者连续trant代种群中最优个体 的适应度值未变化;满足以上任意一个条件则转到步骤(7);若不满足以上任意一个条件， 则令进化代数t加1; (5) 对种群中的个体按照交叉概率执行交叉操作；以种群中的个体按照变异概率执行 变异操作，返回步骤(3); (6) 找出种群中适应度值最大的个体，根据该个个体解码出每个LED阵列的最佳坐标， 即为优化后的LED阵列布局。2. 根据权利要求1所述的一种基于遗传算法的室内可见光通信LED阵列布局优化方法， 其特征在于:所述的步骤（1)中，以房间的长为X轴，宽为y轴建立坐标系，构建基因；根据房 间的长度信息L和宽度信息W来构造基因库，进而构建染色体，并创建初始种群;设置并初始 化进化代数t。3. 根据权利要求1所述的一种基于遗传算法的室内可见光通信LED阵列布局优化方法， 其特征在于：步骤(3)中所述的适应度计算方法具体过程为：依照公式F( i) = dif (i，j )/E {[Pr-E(Pr) ]2}来计算出种群中每个个体的适应度值;其中，i为种群中的第i个个体，dif (i， j)表示两个个体的差异值，E(Pr)表示对接收平面上所有接收点的接收功率求期望。4. 根据权利要求1所述的一种基于遗传算法的室内可见光通信LED阵列布局优化方法， 其特征在于:步骤(4)所述的"连续1_代种群中最优个体的适应度值未变化"的具体过程 为： (4.1)设计变量Flast表示上一代种群中的最好个体的适应度值，FCTrt表示本代种群的最 好个体适应度值； (4 · 2 )如果Fcrrt大于Flast，贝令tcont = 0，Flast = Fcrrt;否则，令t cont - tcont+1 , Flast - Fcrrt 〇5. 根据权利要求1所述的一种基于遗传算法的室内可见光通信LED阵列布局优化方法， 其特征在于:步骤(5)中"对种群中的个体按照交叉概率执行交叉操作"的具体过程为:按照 交叉概率随机从种群中选出两个染色体，并对依照房间的几何特点对染色体分段，然后选 择其中的一段染色体，交换对应的等位基因上的基因。6. 根据权利要求1所述的一种基于遗传算法的室内可见光通信LED阵列布局优化方法， 其特征在于:步骤(5)中"以种群中的个体按照变异概率执行变异操作"的具体过程为:对遗 传算法的搜索空间划分区域，并统计每个区域上的基因个数，找出包含基因数最多的某个 区域，并随机删除其中一个基因；找出包含基因数最小的某个区域，插入一个属于该区域的
【专利摘要】本发明涉及一种室内可见光通信中基于遗传算法的LED阵列布局优化方法，该方法包括以下步骤：一，根据LED的阵列个数和房间的长度和宽度信息构造染色体。二，利用上一步得到的染色体创建初始种群。三，计算种群中每个个体的适应度值，判断是否满足算法结束条件。四，对种群中的每个个体执行选择，交叉和变异操作，以生成新的种群。五，根据遗传算法的得出的最优个体解析出优化后的LED阵列布局。本发明的算法能够解决现有的LED布局下在接收平面上接收到的接收功率分布不均匀的问题，优化后的LED阵列布局可以使得接收平面上的接收功率分布均匀，解决LED通信的可靠性问题。
【IPC分类】H04B10/114, H04B10/116, G06N3/12
【公开号】CN105634593
【申请号】CN201510957604
【发明人】刘焕淋, 代洪跃, 夏培杰, 陈勇, 刘保林
【申请人】重庆邮电大学
【公开日】2016年6月1日
【申请日】2015年12月18日