CN111328146B - 一种基于遗传算法优化传输速率权重的业务调度方法 - Google Patents

一种基于遗传算法优化传输速率权重的业务调度方法 Download PDF

Info

Publication number
CN111328146B
CN111328146B CN202010161498.5A CN202010161498A CN111328146B CN 111328146 B CN111328146 B CN 111328146B CN 202010161498 A CN202010161498 A CN 202010161498A CN 111328146 B CN111328146 B CN 111328146B
Authority
CN
China
Prior art keywords
scheduling
transmission rate
data transmission
user
weight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010161498.5A
Other languages
English (en)
Other versions
CN111328146A (zh
Inventor
任光亮
韩西荣
丁建
张文超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN202010161498.5A priority Critical patent/CN111328146B/zh
Publication of CN111328146A publication Critical patent/CN111328146A/zh
Application granted granted Critical
Publication of CN111328146B publication Critical patent/CN111328146B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于遗传算法优化传输速率权重的业务调度方法，主要解决现有方法难以综合衡量吞吐量和用户公平性性能，对于不同系统的适应性较差的问题。包括：1)获取系统的数据传输速率集合；2)确定系统平均吞吐量和用户间公平性的适应度函数；3)根据适应度函数建立遗传算法搜索模型；4)结合搜索模型，仿真确定各数据传输速率的最佳权重；5)获取用户的数据传输速率、用户参数和业务参数；6)计算用户调度优先级；7)根据调度优先级调度资源块，并对未分配的资源块重复执行调度步骤完成调度。本发明采用遗传算法搜索系统各数据传输速率的最佳权重，可灵活更改适应度函数，有效提升了业务调度方法对于不同系统的适应性。

Description

一种基于遗传算法优化传输速率权重的业务调度方法
技术领域
本发明属于通信技术领域，涉及无线通信技术，更进一步涉及一种基于遗传算法优化传输速率权重的业务调度方法，可用于卫星通信、移动通信、电离层散射通信及对流层散射通信。
背景技术
在通信领域，带宽资源非常有限，多个用户共享有限的带宽资源。因此，如何提高无线资源的频谱利用率、如何在用户间分配资源是通信领域面临的一重要挑战。资源调度算法需结合系统需求，为多个用户的多个业务分配合理的频谱资源。在无线通信中，无线信道的时变特性以及用户业务的多样性使得无线资源调度的实施遇到重重困难，尤其是当用户处于小区边缘位置或信号较不稳定环境中，如何保证系统平均吞吐量的同时，又保证用户间公平性是通信系统资源调度中的关键问题。而通常系统平均吞吐量和用户间公平性是一对此消彼长的关系，需要根据系统要求进行取舍折中。但从量化指标上去衡量系统平均吞吐量和用户间公平性的综合性能，并且根据这个量化指标去设计业务调度方法，是比较难实现的。
近年，一些时域和频域资源调度方法相继被提出，较为经典的有三类：第一类是轮询RR调度算法，该方法中基站按照固定的顺序为小区用户提供服务，用户间公平性性能最优，但是由于没有考虑信道质量，导致系统整体吞吐量很差；第二类是最大载干比Max C/I调度算法，该方法将信道条件好坏作为首要考虑条件，导致信道条件恶劣的用户可能一直得不到资源调度，用户间公平性最差，系统吞吐量性能最优；第三类是比例公平PF调度算法，该方法是轮询RR调度和最大载干比调度Max C/I算法的折中，在保证所有用户平均数据传输量最大的同时确保不会出现某些用户长期得不到调度的现象，该方法的不足之处在于系统整体的性能不高，且不能应用于实时业务。为了支持实时业务，朗讯贝尔实验室提出了最大权值时延优先M-LWDF算法，该算法的主要思想是综合考虑分组队列的时延和信道状态信息，对系统资源进行调度。但在不同系统中，最大权值时延优先M-LWDF算法中的参数元并不适合，不能满足不同系统对于业务调度算法的不同要求，其调度灵活性较差。
南京邮电大学在其申请号为201610372747.9，名称为“一种基于RB反馈的LTE资源调度算法”的专利申请文件中公开了一种基于反馈的资源调度算法。该发明通过统计前一段设定时间内的资源块的分配情况来影响当前周期内的资源分配，来降低比例公平调度PF算法计算复杂度。但是，该方法仍然存在的不足之处是，该方法其实是对最大载干比调度Max C/I算法进行了一个反馈因子加权，牺牲了用户间公平性获取系统平均吞吐量性能，没有量化的标准衡量方法性能；且该方法中时间观察窗长度的选取直接影响性能，方法灵活性不高。
徐小波在其发表的硕士论文“基于遗传算法的雾计算资源调度研究”(上海师范大学，2019)中提出基于线性加权的遗传算法，设立三个优化目标，分别为时延、通信负载和服务费用，根据用户要求实现业务调度优化，且该方法适合用户对某一目标偏好的情况下，可以获得较好的优化效果，但是对于一般性用户要求，想要获得整体较好的服务质量，该遗传算法不能够表现出明显的优势。
发明内容
本发明的目的在于针对上述现有技术的不足，提出一种基于遗传算法优化传输速率权重的业务调度方法，用于解决传统业务调度方法对于不同系统的不同要求适应性差，难以采用量化指标去衡量系统平均吞吐量和用户间公平性的综合性能的问题。然而，当系统平均吞吐量和用户间公平性的综合性能被量化时，系统在选择业务调度方法时就会更加明确，更为主动。
实现本发明的基本思路是：针对卫星通信、移动通信、电离层散射通信、对流层散射通信等通信技术领域中的业务调度，综合考虑业务时延、用户在当前被调度资源块上的数据传输速率、信道条件、系统平均吞吐量，用户间公平性等因素，基于使适应度函数最大的原则，对数据传输速率的归一方式采用遗传算法进行最佳搜索；再根据最大权值时延优先M-LWDF算法计算得到系统中各个用户业务的调度优先等级，选出优先级最高的用户的业务，从而进行资源调度。本发明针对不同系统不同要求，灵活更改适应度函数，得到与之对应的数据传输速率权重。
本发明实现上述目的具体步骤如下：
(1)获取通信系统的数据传输速率集合：
通信系统中所有发送端用户，分别根据各自的传输信道质量选择与之相应的数据传输速率，所有数据传输速率从低到高组成通信系统的数据传输速率集合E；
(2)确定系统平均吞吐量和用户间公平性的适应度函数表达式：
(2.1)根据下式计算系统平均吞吐量T：
Figure BDA0002405959730000031
其中，S表示总的调度时隙数；N为系统所能容纳的最大用户数；ci,s表示第i个用户在第s个调度时隙内在每个资源块上的数据传输速率；xi,s表示系统在第s个调度时隙内为第i个用户分配的资源块数；pi,s表示第i个用户在第s个调度时隙内连续分配的传输时间；P表示系统的运行总时间；
(2.2)采用的简式指数计算用户间公平性F：
Figure BDA0002405959730000032
其中，xi表示第i个用户在整个调度过程中的资源占用率；
(2.3)得到综合衡量系统平均吞吐量和用户间公平性的适应度函数f表达式如下：
Figure BDA0002405959730000033
其中，TmaxC/I表示该系统采用最大载干比Max C/I调度算法时的系统平均吞吐量；FRR表示该系统采用轮询RR调度算法时的用户间公平性的简式指数；α表示系统平均吞吐量所占权重，且α＝[0,1]；
(3)确定通信系统的数据传输速率权重：
根据适应度函数f建立遗传算法搜索模型，搜索使适应度函数f最大的集合E中各个数据传输速率的权重；通过仿真搜索到各个数据传输速率的最佳权重，将其定为通信系统的数据传输速率权重；
(4)获取用户在当前被调度资源块上的数据传输速率：
基站根据输入的信道质量指示CQI矩阵，获取每个请求服务的用户在当前被调度资源块上的数据传输速率ed；
(5)获取用户参数和业务参数：
基站分别获取每个请求服务的用户的缓存状态及请求服务的业务，得到影响调度结果的相关参数，即用户参数和业务参数，包括：用户在截至上一时隙的平均吞吐量、用户数据等待时延、用户业务容忍时延；
(6)计算用户调度优先级参数：
(6.1)根据通信系统的数据传输速率权重确定用户在当前被调度资源块上的数据传输速率ed的权值；
(6.2)对用户参数和业务参数进行线性归一化，得到归一化后的权值；
(6.3)采用最大权值延时优先算法M-LWDF，获取用户在当前被调度资源块上的调度优先级参数；
(7)根据调度优先级参数调度资源块：
将当前被调度资源块分配给调度优先级参数最大的请求服务的用户；
(8)更新资源分配矩阵：
对未分配资源块重复执行步骤(4)～(7)，直至所有资源块分配完成，得到最终资源块分配矩阵，即完成业务调度。
本发明与现有技术相比具有以下优点：
第一，由于本发明通过采用一个适应度函数去综合衡量系统平均吞吐量和用户间公平性的性能，在不同系统对系统平均吞吐量和用户间公平性要求不同时，可以灵活地更改适应度函数的表达式，从而克服了现有技术中对于系统业务调度的平均吞吐量和用户间公平性要求十分被动的缺点；
第二，本发明基于使适应度函数最大的原则，对数据传输速率的归一方式采用遗传算法进行最佳搜索，搜索得到数据传输速率的归一方式，再根据最大权值时延优先M-LWDF算法计算得到系统中各个用户的调度优先级，根据调度优先级排序进行业务调度，实现了综合衡量系统平均吞吐量和用户间公平性的性能指标量化，并可以得到该指标对应的数据传输速率权重的目的。
附图说明
图1为本发明的实现流程图；
图2为本发明利用遗传算法搜索到的最佳数据传输速率的归一方式示意图；
图3为本发明和经典方法的系统平均吞吐量性能对比仿真图；
图4为本发明和经典方法的用户间公平性的简式指数性能对比仿真图；
图5为本发明和经典方法的适应度函数性能对比仿真图。
具体实施方式
下面结合附图对本发明的做进一步的描述。
参照附图1，本发明提出的一种基于遗传算法优化传输速率权重的业务调度方法，包括如下步骤：
步骤1，获取通信系统的数据传输速率集合：
在通信系统中，发送端会根据传输信道质量，自适应地选择合适的数据传输速率，通信系统中所有发送端用户，分别根据各自的传输信道质量选择与之相应的数据传输速率，业务调度方法需要获取系统的数据传输速率集合，即就是系统中从低到高的所有数据传输速率值，这些数值从低到高组成通信系统的数据传输速率集合E。
步骤2，确定系统平均吞吐量和用户间公平性的适应度函数表达式：
系统平均吞吐量和用户间公平性是衡量业务调度方法性能的重要指标。根据通信系统的要求，获取综合衡量系统平均吞吐量和用户间公平性的适应度函数表达式。具体步骤如下：
(2.1)根据下式计算系统平均吞吐量T：
Figure BDA0002405959730000051
其中，S表示总的调度时隙数；N为系统所能容纳的最大用户数；ci,s表示第i个用户在第s个调度时隙内在每个资源块上的数据传输速率；xi,s表示系统在第s个调度时隙内为第i个用户分配的资源块数；pi,s表示第i个用户在第s个调度时隙内连续分配的传输时间；P表示系统的运行总时间；
(2.2)采用的简式指数计算用户间公平性F：
Figure BDA0002405959730000061
其中，xi表示第i个用户在整个调度过程中的资源占用率；
资源占用率xi通过下式计算得到：
Figure BDA0002405959730000062
其中S表示总的调度时隙数；xi,s表示系统在第s个调度时隙内为第i个用户分配的资源块数；pi,s表示第i个用户在第s个调度时隙内连续分配的传输时间；NRB表示每个时隙系统可以调度的最大资源块数。
(2.3)得到综合衡量系统平均吞吐量和用户间公平性的适应度函数f表达式如下：
Figure BDA0002405959730000063
其中，TmaxC/I表示该系统采用最大载干比Max C/I调度算法时的系统平均吞吐量；FRR表示该系统采用轮询RR调度算法时的用户间公平性的简式指数；α表示系统平均吞吐量所占权重，且α＝[0,1]；
在不同系统对于平均吞吐量和用户间公平性要求不同时，只需更改α的值即可满足其相应要求。
步骤3，确定通信系统的数据传输速率权重：
根据适应度函数f建立遗传算法搜索模型，搜索使适应度函数f最大的集合E中各个数据传输速率的权重；通过仿真搜索到各个数据传输速率的最佳权重，将其定为通信系统的数据传输速率权重；
影响系统平均吞吐量和用户间公平性的主要因素是数据传输速率所占权重。所以搜索算法的自变量为各个数据传输速率的归一方式即权重，将集合E中各个数据传输速率的权重作为遗传算法搜索的自变量，采用遗传算法中的差分进化算法，确定遗传算法的最大迭代次数Gm，通过初始化、变异、交叉和选择操作，逐代优化集合E中各个数据传输速率的权重，使适综合衡量系统平均吞吐量和用户间公平性的适应度函数达f到最大值。
在仿真系统中，结合搜索算法，通过仿真搜索使适应度函数f最大的最佳数据传输速率权重，具体为：系统在遗传算法的每次迭代后得到对应的适应度函数f值，当达到遗传算法的最大迭代次数Gm时，系统获得最大的适应度函数f值，该值对应的集合E中各个数据传输速率的权重，即为各个数据传输速率的最佳权重。
步骤4，获取用户在当前被调度资源块上的数据传输速率：
基站针对当前被调度资源块，根据输入的信道质量指示CQI矩阵，获取每个请求服务的用户在当前被调度资源块上的数据传输速率ed；
步骤5，获取用户参数和业务参数：
基站分别获取每个请求服务的用户的缓存状态及请求服务的业务，得到影响调度结果的相关参数，即用户参数和业务参数，包括：用户在截至上一时隙的平均吞吐量、用户数据等待时延、用户业务容忍时延等；
步骤6，计算用户调度优先级参数：
(6.1)根据通信系统的数据传输速率权重确定用户在当前被调度资源块上的数据传输速率ed的权值；
(6.2)对用户参数和业务参数进行线性归一化，得到归一化后的权值；进行线性归一化的具体公式如下：
g(k)＝para(k)/max(para)，
其中，para是需要线性归一化的参数向量；k是向量para中元素的索引，且k＝1,2...K，K是向量para的长度；g(k)是第k个参数线性归一化后的权值。
(6.3)采用最大权值延时优先算法M-LWDF，获取用户在当前被调度资源块上的调度优先级参数；具体按照下式进行计算：
Figure BDA0002405959730000081
其中，pi(s)表示第i个用户请求服务业务在第s个时隙的调度优先级参数；ui(s)表示第i个用户在第s个时隙数据传输速率的权值；Ri(s)表示第i个用户在时隙s前的平均吞吐量的权值；Di(s)表示第i个用户在第s个时隙的数据等待时延的权值；Ti表示第i个用户请求服务业务的容忍时延的权值。
步骤7，根据调度优先级参数调度资源块：
将当前被调度资源块分配给在当前被调度资源块上的调度优先级参数最大的请求服务的用户，直至该用户的业务传输完成再释放该资源块；
步骤8，更新资源分配矩阵：
对未分配资源块重复执行步骤(4)～(7)，直至所有资源块分配完成，得到最终资源块分配矩阵，即完成业务调度。
下面结合仿真实验对本发明的效果作进一步的说明。
1.仿真条件：
本发明的仿真实验使用Matlab R2019a仿真软件，仿真硬件平台的处理器为Inteli77700kCPU，主频为3.6GHz。系统参数设置：系统的数据传输速率方案为600、1200、1800、2400、3600、4800、6000、7200、8400、9600bps10个速率；系统所能容纳的最大用户数N分别为10、20、30、40、50；每个时隙系统可以调度的最大资源块数NRB＝8；适应度函数中系统平均吞吐量所占权重α＝0.6。遗传算法参数设置：采用的遗传算法为差分进化(DE)算法；个体维数D＝10；种群规模P＝50；变异算子F0＝0.5；交叉算子CR＝0.7；迭代次数Gm＝200。
2.仿真的内容及其结果分析：
本发明的仿真实验中仿真了50000个调度单元的资源调度情况。
参照图2，本发明利用遗传算法搜索到的最佳数据传输速率的归一方式示意图；在业务调度时，采用该数据传输速率归一方式进行优先级计算。
参照图3，本发明和经典方法的系统平均吞吐量性能对比仿真图；参照图4，本发明和经典方法的用户间公平性的简式指数性能对比仿真图；由图3和图4的仿真图结果可知，最大载干比Max C/I调度算法的系统平均吞吐量最高，用户间公平性性能最差；轮询RR调度算法的系统平均吞吐量最低，用户间公平性性能最优。在用户数为30时，本发明方法的系统平均吞吐量和用户间公平性性能均优于M-LWDF算法，在用户数为40和50时，系统平均吞吐量性能差异很小，但用户间公平性性能本发明方法明显优于M-LWDF算法。
参照图5，本发明和经典方法的适应度函数性能对比仿真图，可以看出本发明方法的适应度函数值最大，即是最满足系统要求的业务调度方法，系统平均吞吐量和用户间公平性的综合性能是最优的。
上述仿真分析证明了本发明所提方法的正确性与有效性。
本发明未详细说明部分属于本领域技术人员公知常识。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修正和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (6)

1.一种基于遗传算法优化传输速率权重的业务调度方法，其特征在于，包括如下步骤：
(1)获取通信系统的数据传输速率集合：
通信系统中所有发送端用户，分别根据各自的传输信道质量选择与之相应的数据传输速率，所有数据传输速率从低到高组成通信系统的数据传输速率集合E；
(2)确定系统平均吞吐量和用户间公平性的适应度函数表达式：
(2.1)根据下式计算系统平均吞吐量T：
Figure FDA0003359018870000011
其中，S表示总的调度时隙数；N为系统所能容纳的最大用户数；ci,s表示第i个用户在第s个调度时隙内在每个资源块上的数据传输速率；xi,s表示系统在第s个调度时隙内为第i个用户分配的资源块数；pi,s表示第i个用户在第s个调度时隙内连续分配的传输时间；P表示系统的运行总时间；
(2.2)采用的简式指数计算用户间公平性F：
Figure FDA0003359018870000012
其中，xi表示第i个用户在整个调度过程中的资源占用率；
(2.3)得到综合衡量系统平均吞吐量和用户间公平性的适应度函数f表达式如下：
Figure FDA0003359018870000013
其中，TmaxC/I表示该系统采用最大载干比Max C/I调度算法时的系统平均吞吐量；FRR表示该系统采用轮询RR调度算法时的用户间公平性的简式指数；α表示系统平均吞吐量所占权重，且α＝[0,1]；
(3)确定通信系统的数据传输速率权重：
根据适应度函数f建立遗传算法搜索模型，搜索使适应度函数f最大的集合E中各个数据传输速率的权重；通过仿真搜索到各个数据传输速率的最佳权重，将其定为通信系统的数据传输速率权重；
(4)获取用户在当前被调度资源块上的数据传输速率：
基站根据输入的信道质量指示CQI矩阵，获取每个请求服务的用户在当前被调度资源块上的数据传输速率ed；
(5)获取用户参数和业务参数：
基站分别获取每个请求服务的用户的缓存状态及请求服务的业务，得到影响调度结果的相关参数，即用户参数和业务参数，包括：用户在截至上一时隙的平均吞吐量、用户数据等待时延、用户业务容忍时延；
(6)计算用户调度优先级参数：
(6.1)根据通信系统的数据传输速率权重确定用户在当前被调度资源块上的数据传输速率ed的权值；
(6.2)对用户参数和业务参数进行线性归一化，得到归一化后的权值；
(6.3)采用最大权值延时优先算法M-LWDF，获取用户在当前被调度资源块上的调度优先级参数；
(7)根据调度优先级参数调度资源块：
将当前被调度资源块分配给调度优先级参数最大的请求服务的用户；
(8)更新资源分配矩阵：
对未分配资源块重复执行步骤(4)～(7)，直至所有资源块分配完成，得到最终资源块分配矩阵，即完成业务调度。
2.根据权利要求1所述方法，其特征在于：步骤(2.2)中资源占用率xi通过下式计算得到：
Figure FDA0003359018870000031
其中S表示总的调度时隙数；xi,s表示系统在第s个调度时隙内为第i个用户分配的资源块数；pi,s表示第i个用户在第s个调度时隙内连续分配的传输时间；NRB表示每个时隙系统调度的最大资源块数。
3.根据权利要求1所述方法，其特征在于：步骤(3)中遗传算法搜索模型具体为：将集合E中各个数据传输速率的权重作为遗传算法搜索的自变量，采用遗传算法中的差分进化算法，确定遗传算法的最大迭代次数Gm，通过初始化、变异、交叉和选择操作，逐代优化集合E中各个数据传输速率的权重，使适应度函数f达到最大值。
4.根据权利要求1所述方法，其特征在于：步骤(3)中仿真搜索是在仿真系统中进行，系统在遗传算法的每次迭代后得到对应的适应度函数f值，当达到遗传算法的最大迭代次数Gm时，系统获得最大的适应度函数f值，该值对应的集合E中各个数据传输速率的权重，即为各个数据传输速率的最佳权重。
5.根据权利要求1所述方法，其特征在于：步骤(6.2)中进行线性归一化的具体公式如下：
g(k)＝para(k)/max(para)，
其中，para是需要线性归一化的参数向量；k是向量para中元素的索引，且k＝1,2...K，K是向量para的长度；g(k)是第k个参数线性归一化后的权值。
6.根据权利要求1所述方法，其特征在于：步骤(6.3)中调度优先级参数具体按照下式计算得到：
Figure FDA0003359018870000041
其中，pi(s)表示第i个用户请求服务业务在第s个时隙的调度优先级参数；
ui(s)表示第i个用户在第s个时隙数据传输速率的权值；Ri(s)表示第i个用户在时隙s前的平均吞吐量的权值；Di(s)表示第i个用户在第s个时隙的数据等待时延的权值；Ti表示第i个用户请求服务业务的容忍时延的权值。
CN202010161498.5A 2020-03-10 2020-03-10 一种基于遗传算法优化传输速率权重的业务调度方法 Active CN111328146B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010161498.5A CN111328146B (zh) 2020-03-10 2020-03-10 一种基于遗传算法优化传输速率权重的业务调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010161498.5A CN111328146B (zh) 2020-03-10 2020-03-10 一种基于遗传算法优化传输速率权重的业务调度方法

Publications (2)

Publication Number Publication Date
CN111328146A CN111328146A (zh) 2020-06-23
CN111328146B true CN111328146B (zh) 2022-04-05

Family

ID=71169407

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010161498.5A Active CN111328146B (zh) 2020-03-10 2020-03-10 一种基于遗传算法优化传输速率权重的业务调度方法

Country Status (1)

Country Link
CN (1) CN111328146B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112996118B (zh) * 2021-02-03 2022-08-05 南京邮电大学 Noma下行链路用户配对方法和存储介质
CN113709751A (zh) * 2021-09-08 2021-11-26 国网湖南省电力有限公司 电力配网用户的分级调度方法
CN115835401B (zh) * 2022-11-21 2023-10-27 南京鼎山信息科技有限公司 物联网中基于lte的频域资源分配方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0302215D0 (en) * 2003-01-30 2003-03-05 Univ Surrey Method and system for determining optimum resourse allocation in a network
CN104581958A (zh) * 2014-12-31 2015-04-29 重庆邮电大学 基于速率自适应准则的资源分配方法及装置
CN109195214A (zh) * 2018-09-06 2019-01-11 南京邮电大学 一种基于遗传算法的noma功率分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102711266B (zh) * 2012-05-17 2014-08-13 北京邮电大学 基于遗传算法的调度与资源分配联合优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0302215D0 (en) * 2003-01-30 2003-03-05 Univ Surrey Method and system for determining optimum resourse allocation in a network
CN104581958A (zh) * 2014-12-31 2015-04-29 重庆邮电大学 基于速率自适应准则的资源分配方法及装置
CN109195214A (zh) * 2018-09-06 2019-01-11 南京邮电大学 一种基于遗传算法的noma功率分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Modified Genetic Algorithm for Resource Allocation in Cognitive Radio Networks in the Presence of Primary Users;Niki Min Hidayati Robbi等;《IEEE》;20200106;第18-23页 *
基于用户体验质量的异构网络资源分配策略;朱佳佳等;《计算机工程与设计》;20190531;第1243-1248页 *

Also Published As

Publication number Publication date
CN111328146A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
CN111328146B (zh) 一种基于遗传算法优化传输速率权重的业务调度方法
Wang et al. Delay-sensitive multi-period computation offloading with reliability guarantees in fog networks
CN113504999B (zh) 一种面向高性能分层联邦边缘学习的调度与资源分配方法
CN109743778B (zh) 一种基于强化学习的资源分配优化方法和系统
CN107820321B (zh) 一种基于蜂窝网络的窄带物联网中大规模用户智能接入方法
CN102711129B (zh) 网络规划参数的确定方法及装置
Cui et al. Machine Learning‐Based Resource Allocation Strategy for Network Slicing in Vehicular Networks
CN110380881B (zh) 一种网络扩容预测方法及装置
Balakrishnan et al. Deep reinforcement learning based traffic-and channel-aware OFDMA resource allocation
CN106658524B (zh) 一种认知异构网络中基于量子花授粉搜索机制的多目标频谱分配方法
Zhao et al. MAESP: Mobility aware edge service placement in mobile edge networks
Zhang et al. An enhanced greedy resource allocation algorithm for localized SC-FDMA systems
CN109548161A (zh) 一种无线资源调度的方法、装置和终端设备
CN107566535B (zh) 基于Web地图服务并发访问时序规则的自适应负载均衡方法
Zhang et al. Joint spectrum reservation and on-demand request for mobile virtual network operators
Afifi et al. A novel scheduling technique for improving cell-edge performance in 4G/5G systems
CN102307393B (zh) 一种资源分配方法及装置
CN114222371A (zh) 一种eMBB和uRLLC设备共存的流量调度方法
WO2020134145A1 (zh) 时频空资源分配方法、计算机装置及计算机可读存储介质
CN108738158B (zh) 一种基于吞吐量优化的lte下行链路调度方法
CN114638415A (zh) 一种基于Geohash索引的实时空间众包任务分配方法
CN115379508A (zh) 载波管理方法、资源分配方法及相关设备
Lotfi et al. Attention-based open RAN slice management using deep reinforcement learning
CN112954806A (zh) 异构网络中基于弦图着色的联合干扰对齐与资源分配方法
CN105389212B (zh) 一种作业分配方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant