专利名称：基于蚁群优化的离散功率控制方法
技术领域：
本发明涉及无线通信技术领域，尤其涉及一种基于蚁群优化的离散功率控制方法。
背景技术：
/Jng OFDM (Orthogonal Frequency Division Multiplexing)胃■巾，: 自才百邻小区的同频干扰是影响系统性能的主要因素。功率控制被证明是抑制小区间干扰、提高系统容量的重要工具之一。但是于小区间干扰的存在使得每个小区的功率分配都与其它小区密切相关，一个小区内子载波上的功率变化会影响到其他相邻小区的功率分配，这使得多小区间的功率控制十分困难。OFDM系统中，功率控制作为抑制干扰、提高信道复用率、增大系统容量的有效手段，受到人们的普遍关注。多小区OFDM系统的离散功率分配问题可以被抽象为具有一定约束条件的组合优化问题，且被证明是NP难问题，即在多项式时间内无法得到其最优解。一种可能的解决方法是利用穷尽搜索，但是由于计算量大而无法应用于实际系统。特别是随着系统规模的日益扩大，得到资源分配问题的最优解将给系统带来巨大的计算压力。现有的功率控制方法大多数都是建立在假设传输功率可以任意连续取值的基础上的，而且这些算法通常都十分复杂，计算复杂度高而难以应用于实际系统中。然而，实际数字通信系统中功率往往只能以离散级别调整，直接利用已有的连续功率分配方法，即进行简单的上取整离散和下取整离散处理，将不能得到满意的结果。参考文献 A. Gjendemsj0, D· Gesbert，G. 0ien, and S. Kiani, Binary power control for sum rate maximization over multiple interfering links，IEEE Transactions on Wireless Communication, vol. 7，pp. 3164-3173提出了一种基于贪婪算法的二值功率分配算法， 但由于二值功率级别的限制，以及贪婪算法只选择当下最优方案而不从整体最优上加以考虑的的约束，导致该方案性能不够理想；参考文献Yiping Xing md R. Chmdramouli， Stochastic Learning Solution for Distributed Discrete Power Control Game in Wireless Data Networks, IEEE Transactions on Networking, vol. 16，no. 4 提供了一禾中基于博弈论的离散功率控制方法，但该方法计算复杂度高而难以在实际系统中获得应用。元启发式算法是一种有效获得组合优化问题的次优解的方法，由于其计算复杂度低且易于实现，而成为众多学者研究的焦点。蚁群优化算法AC0(Ant Colony Optimization)，是一种具有高度创新性与启发性的元启发式算法，虽出现至今不过短短15 年，却已经成为组合优化领域最具潜力的算法之一。蚁群优化算法最初由意大利学者Marco Dorigo于1991年首次提出，用于解决著名的旅行商问题TSP (Traveling Salesman ftx)blem)。受到蚂蚁在觅食过程中寻找食物与巢穴间之最短路径的高度自组织行为的启发，实际中的蚂蚁被抽象为具有基本简单行为的计算单元，它们的主要任务是寻找食物与巢穴之间最优的完整路径。一种被称作信息素的化学物质被释放在蚂蚁所经过的路径上，且释放的信息素量正比于路径所对应的问题解的好坏，这样就构成了所谓的正反馈机制。于是经过若干次迭代之后，所有的蚂蚁将逐渐收敛于一条次优或者有可能最优的路径上。应用于不同的NP难问题，蚁群优化算法被证明具有较强的鲁棒性且容易在实际系统中实现。
发明内容
(一)要解决的技术问题本发明要解决的技术问题是提供一种基于蚁群优化的离散功率控制方法，针对功率往往只能以离散级别调整的实际情况，在满足最大功率限制条件的情况下，快速得到多小区间离散功率分配问题的近似最优解，实现降低小区间干扰、提升系统性能的目标。( 二 )技术方案为解决上述问题，本发明提供了一种基于蚁群优化的离散功率控制方法，包括以下步骤Sl 各小区分别构建蚁群算法的搜索空间；S2 初始化蚁群算法的各控制参数和算法执行的统计信息变量；S3:依据当前的最优分配方式，对搜索空间中的所有路径进行启发式信息的计算；S4 每小区自蚁巢释放一只蚂蚁，并初始化蚂蚁；S5 每个小区蚂蚁独立进行解的构建；S6 判断是否所有小区的蚂蚁都完成了完整路径的构建，若是，则跳转至步骤S7, 否则，对未完成的小区继续进行解的构建，跳转至步骤S5 ；S7:系统收集各小区蚂蚁的信息得到本次迭代的一组可行解，与当前最优分配结果进行比较，取对应的系统吞吐量较大的为新的当前最优分配；进行全局信息素更新，并将新的当前最优分配结果传递给所有小区的蚂蚁；S8:判断算法是否满足迭代终止条件，如果满足，则算法结束，直接按照当前最优分配结果进行离散功率控制；否则，跳转至步骤S3。优选地，所述步骤Sl具体包括将多个子载波作为蚁群算法的各节点设置在蚁巢和食物之间；以及将每个子载波的传输功率离散化为多个功率级别构成蚁群算法节点与其前一个节点之间的多条路径。优选地，所述步骤S2包括初始化执行迭代次数、最优分配方式以及所有路径上的
信息素浓度。优选地，所述步骤S3中的启发式信息通过下面的公式计算
权利要求
1.一种基于蚁群优化的离散功率控制方法，其特征在于，包括以下步骤51各小区分别构建蚁群算法的搜索空间；52初始化蚁群算法的各控制参数和算法执行的统计信息变量；53依据当前的最优分配方式，对搜索空间中的所有路径进行启发式信息的计算；54每小区自蚁巢释放一只蚂蚁，并初始化蚂蚁；55每个小区蚂蚁独立进行解的构建；56判断是否所有小区的蚂蚁都完成了完整路径的构建，若是，则跳转至步骤S7，否则，对未完成的小区继续进行解的构建，跳转至步骤S5 ；57系统收集各小区蚂蚁的信息得到本次迭代的一组可行解，与当前最优分配结果进行比较，取对应的系统吞吐量较大的为新的当前最优分配；进行全局信息素更新，并将新的当前最优分配结果传递给所有小区的蚂蚁；58判断算法是否满足迭代终止条件，如果满足，则算法结束，直接按照当前最优分配结果进行离散功率控制；否则，跳转至步骤S3。
2.如权利要求1所述的功率控制方法，其特征在于，所述步骤Sl具体包括将多个子载波作为蚁群算法的各节点设置在蚁巢和食物之间；以及将每个子载波的传输功率离散化为多个功率级别构成蚁群算法节点与其前一个节点之间的多条路径。
3.如权利要求1所述的功率控制方法，其特征在于，所述步骤S2包括初始化执行迭代次数、最优分配方式以及所有路径上的信息素浓度。
4.如权利要求2所述的功率控制方法，其特征在于，所述步骤S3中的启发式信息通过下面的公式计算
5.如权利要求2所述的功率控制方法，其特征在于，所述步骤S5具体包括以下步骤551蚂蚁从若干条路径中选择一条到达下一节点；552蚂蚁进行局部信息素更新；553判断蚂蚁已完成的功率级别的分配是否超过基站的最大功率限制，如果超过， 则认定该蚂蚁被淘汰，从蚁巢释放一只蚂蚁，重新进行该小区解的构建；否则，跳转至步骤 S6。
6.如权利要求5所述的功率控制方法，其特征在于，所述步骤S51中，蚂蚁结合信息素与启发式信息，根据伪随机比例规则选择通向下一节点的路径。
7.如权利要求5所述的功率控制方法，其特征在于，所述步骤S52中，通过下面的公式进行局部信息素更新τ n = (1一 ξ)· τ ξ τ ηm，lm, 10其中，τ u为信息素浓度，ξ为局部信息素蒸发时的蒸发速率；τ。为初始的信息素浓度。
8.如权利要求1所述的功率控制方法，其特征在于，所述步骤S7中通过下面的公式进行全局信息素更新
全文摘要
本发明公开了一种基于蚁群优化的离散功率控制方法，包括创建一种每个节点上存在多条平行路径的多重图搜索空间，并设计了一种同时考虑多小区性能的启发式信息计算方法；采用蚁群优化方法，各小区蚂蚁综合考虑信息素和启发式信息，依据伪随机比例规则独立进行解的构造，并且为了保证满足功率约束条件设计了一种蚂蚁淘汰机制，配合局部信息素更新，有效获得满足约束条件的可行解；最后，在各小区蚂蚁的合作的基础上进行全局信息素更新，进而寻求到目标优化问题的近似最优解。本发明公开的方法在满足功率限制条件下可以显著提高采用离散功率级别的多小区系统的整体吞吐量，达到优化系统性能的目的。
文档编号H04W52/06GK102573027SQ20111043364
公开日2012年7月11日 申请日期2011年12月21日 优先权日2011年12月21日
发明者吴德壮, 尹越, 崔琪楣, 张丹婷, 张平, 王强, 王达, 许晓东, 陶小峰 申请人:北京邮电大学