一个基于遗传算法的车联网路边单元部署方法
【技术领域】
[0001] 本发明属于移动通讯技术领域，设计了一种基于遗传算法的车联网路边单元部署 方法。该方法区别于已有方法的特色在于，利用路边单元部署问题模型将路边单元部署问 题转化为搜索最优解问题，并利用遗传算法对路边单元部署问题进行优化求解。该方法能 够逐步逼近最优部署效益，以达到最大化路边单元部署效益的目标。
【背景技术】
[0002] 车辆自组织网络是传统移动自组织网络在交通道路上的应用，是一种特殊的移动 自组织网络。通过车辆与车辆（V2V)、车辆与路旁基础设施（V2I)等方法直接通信或多跳通 信，构建一个自组织的、动态的、分布式信息网络。车辆自组织网络中每一个节点代表一个 安装了无线通信技术的车辆，通过为行驶中的车辆提供信息服务，来提高交通效率、驾驶安 全性，减少交通事故发生率，最大化道路使用者的利益。
[0003] 车辆自组织网络主要由车载单元、路边单元和管理控制中心组成。当车辆进入到 路边节点的通信范围之内，它就能通过路边节点访问有线网络。另一方面，车辆也能经由其 它车辆经过多跳中继与路边单元通信。网络中的车辆节点与路边单元的连接状况决定了网 络的有效数据包传递率和连通持续时间。因此，路边单元的部署策略就成了增加网络容量 的关键因素。但是，在车辆自组织网络初期，路边单元部署花费高昂，因此需要在给定区域 最佳放置有限数量的路边单元以达到最优部署效益的目标。
【发明内容】
[0004] 本发明提出了一种基于遗传算法的车联网路边单元部署方法，目的在于最大化路 边单元部署效益。
[0005] 本发明所采用的技术方案是按照以下步骤进行：
[0006] 步骤1.建立路网模型
[0007] 假定路网用路网模型G(v，E)表示，交叉路口集V代表所有交叉路口的集合，路段 集E代表所有路段的集合。同时路网模型G(V，E)将某个路段e表示为6(\，\，4匕)，其 中vh为路段e的起点，vt为路段e的终点，ft为路段e的路线函数，fw为路段e的权重函 数。若路网中需要部署n个路边单元，每个路边单元的覆盖直径为d，综合考虑各项因素作 为权重，则每个路边单元的部署效益为路边单元所有覆盖路段的权重线积分。假设P为能 够满足目标的集合，现在要解决的问题可描述为：找到P的子集1^使其尽可能满足部署效 益最大化的目标。
[0008] 步骤2.建立效益模型
[0009] 假设路网G(V，E)中部署的第j个路边单元的全覆盖路段的集合为+，部分覆盖路 段的集合为Sj，j= 1，2,…，n，n个路边单元的全覆盖路段的集合t/ = ，部分覆盖路 段的集合^ = ，则部署的第j个路边单元的部署效益N表示如下：
[0010]⑴
[0011] 其中j= 1，2,…，n，me，j=enoj,符号Oj为部署的第j个路边单元的覆盖区域， 即my为路段e在路网中部署的第j个路边单元的覆盖区域内的部分。
[0012] 路网部署总效益匕表示如下：
[0013]
⑵
[0014] 其中札=en0,符号0为路网中所有路边单元的覆盖区域，即为路段e在路 网中所有路边单元的覆盖区域内的部分。
[0015] 由部署效益函数知，我们的目标是使得部署效益值尽可能地大，来达到路边单元 部署效益最优的目标。因此将路网模型和效益模型共同构成路边单元部署问题模型，通过 路边单元部署问题模型将路边单元部署问题转化为搜索最优解问题。
[0016] 步骤3.利用遗传算法对路边单元部署问题进行优化求解
[0017] 遗传算法是一种新近发展起来的搜索最优解方法，它模拟生命进化机制，从任意 一个初始种群出发，通过随机选择、交叉和变异操作，产生一群新的更适应环境的个体使群 体进化到搜索空间中越来越好的区域。这样一代代不断繁殖、进化，最后收敛到一群最适应 环境的个体上，求得问题的最优解。因此我们设计了一种遗传算法，来对所建立的搜索最优 解问题进行求解。下面基于步骤1和步骤2建立的路边单元部署问题模型介绍算法步骤。
[0018] 算法步骤：
[0019] 步骤1设置相关参数及个体编码
[0020] 步骤2种群初始化 [0021 ] 步骤3个体适应值计算
[0022] 步骤4对群体进行交叉、变异操作，生成中间群体
[0023] 步骤5计算中间群体个体适应值
[0024] 步骤6利用锦标赛选择法选择子代群体
[0025] 步骤7计算群体当前一代最坏个体和最好个体，以及到目前为止的最好个体
[0026] 步骤8将当前一代最坏个体用目前为止最好个体替代
[0027] 步骤9判断是否满足算法终止条件
[0028] 步骤10停止进化，输出结果
[0029] 本发明给出一种基于遗传算法的车联网路边单元部署方法。首先建立路网模型， 然后确立效益模型，路网模型和效益模型共同构成路边单元部署问题模型，将路边单元部 署问题转化为搜索最优解问题。最后利用遗传算法对路边单元部署问题进行优化求解，从 而达到最大化部署效益的目的。
【附图说明】
[0030] 图1是本发明方法的流程示意图。
[0031] 图2是本发明方法的一种实施例的程序流程图。
[0032] 图3是本发明方法的结果示意图。
[0033] 具体实施方法
[0034] 下面结合附图对本发明的实施方式进行详细说明。本实施例以本发明技术方案为 前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下 述的实施例。
[0035] 下面给出基于遗传算法的车联网路边单元部署方法，如图1所示，按如下步骤进 行路边单元部署：
[0036] 步骤1.建立路网模型
[0037] 假定路网用路网模型G(V，E)表示，交叉路口集V代表所有交叉路口的集合，路段 集E代表所有路段的集合。同时路网模型G(V，E)将某个路段e表示为6(\，\，4匕)，其 中vh为路段e的起点，vt为路段e的终点，ft为路段e的路线函数，fw为路段e的权重函 数。若路网中需要部署n个路边单元，每个路边单元的覆盖直径为d，综合考虑各项因素作 为权重，则每个路边单元的部署效益为路边单元所有覆盖路段的权重线积分。假设P为能 够满足目标的集合，现在要解决的问题可描述为：找到P的子集1^使其尽可能满足部署效 益最大化的目标。
[0038] 步骤2.建立效益模型。
[0039] 假设路网G(V，E)中部署的第j个路边单元的全覆盖路段的集合为+，部分覆盖路 段的集合为Sj，j= 1，2,…，n，n个路边单元的全覆盖路段的集合U= ，部分覆盖路 段的集合*5 = ，则部署的第j个路边单元的部署效益h表示如下：
[0040]
⑴
[0041]其中j= 1，2,…，en〇』，符号〇』为部署的第j个路边单元的覆盖区域， 即my为路段e在路网中部署的第j个路边单元的覆盖区域内的部分。
[0042] 路网部署总效益反表示如下：
[0043]
⑵
[0044] 其中札=en0,符号0为路网中所有路边单元的覆盖区域，即为路段e在路 网中所有路边单元的覆盖区域内的部分。
[0045] 由部署效益函数知，我们的目标是使得部署效益值尽可能地大，来达到路边单元 部署效益最优的目标。因此将路网模型和效益模型共同构成路边单元部署问题模型，通过 路边单元部署问题模型将路边单元部署问题转化为搜索最优解问题。
[0046] 步骤3.利用遗传算法对路边单元部署问题进行优化求解
[0047] 下面具体介绍个体的编码方法、个体优劣的评价方法以及进化策略等。
[0048] 3. 1