CN103687027B - Lte网络的资源分配方法和系统 - Google Patents

Abstract

本发明提供一种LTE网络的资源分配方法，包括如下步骤：获取需进行资源分配的小区用户及LTE网络参数，并根据单目标多约束规划方法对LTE网络上行资源分配建立数学模型；通过迭代优化方法将所述数学模型的组合优化求解转化成背包问题；根据动态规划方法将求解多选择背包问题转化成求解多阶段决策过程图；根据预设的改进后的Dijkstra算法求解所述多阶段决策过程图，获得各个用户的上行资源分配结果。本发明还提供对应的系统，能显著减少资源分配的复杂度，达到资源的最适度配置。

Description

LTE网络的资源分配方法和系统

技术领域

本发明涉及LTE网络技术领域，特别是涉及一种LTE网络的资源分配方法，以及一种LTE网络的资源分配系统。

背景技术

伴随着无线移动通信的发展，从原有的2G技术到3G技术的运用，再到B3G（Beyond3rd Generation）技术以及HSDPA（高速下行分组接入，High Speed DownlinkPacket Access）技术的研究，直到现在最为关注的LTE（Long-Term-Evolution）技术的研究，都伴随着无线资源分配技术的进一步的发展与深入研究。未来的宽带无线通信是以高传输速率、低误码率、低功耗、更多用户共享频谱以及更便捷的随时随地通信为目标，每一次无线移动通信技术的革命都直接促进了无线频谱资源分配技术的革新。

无线资源分配是一种可以提高频谱资源利用率的技术。由于无线信道的频谱资源的有限性，需要研究如何合理地分配有限的无线信道资源，以满足不同用户的需求。在保证用户QoS（Quality of Service，服务质量）的基础上，最大化无线通信系统的频谱效率和系统容量。同时，为了避免无线信道的拥塞而导致用户掉话，需要一种有效的无线资源分配算法，以提高系统性能。在LTE网络中，物理层的主要技术为OFDM（Orthogonal FrequencyDivision Multiplexing，正交频分复用）技术和MIMO（Multiple Input Multiple Output，多输入多输出）技术。其中OFDM技术利用频域上相互正交的子载波进行并行数据传输，可以有效地克服频率选择性衰落，进行空时处理，抑制干扰，实现分集增益。在LTE网络中，OFDM技术的大规模应用，使得功率与子载波联合分配成为无线资源分配的主要组成部分。为不同传输需求的用户分配不同数量的子载波，当用户的传输需求较大时，为其分配较多的子载波，扩展可用带宽。

子载波分配主要是为了满足用户的传输需求数据量，传输功率控制主要是作为控制干扰而被广泛研究的。传输功率控制会在补偿路径损耗、降低小区间干扰等方面发挥重要的作用。当移动终端处于基站近处时，需要减小终端的传输功率，以减少终端的能量损耗。当终端处于基站的远处，处于小区的边缘处时，需要增大终端的传输功率，保证上行数据的准确传输。当多小区系统内干扰严重时，通过调节终端的传输功率，可以有效地抑制小区内和小区间用户干扰。

好的资源分配算法一方面应该利用信道的时变多径特性以取得更好的无线资源利用率；另一方面，也应该在无线资源利用率和用户满意度之间折衷。尽管无线频谱资源在高速率时提高频谱利用率非常重要，但在不同的时变信道条件下，通信系统不可能为所有的用户提供一样的吞吐量。作为一项关键技术，无线资源分配算法的质量已经成为衡量一个移动通信系统体系是否可行、系统服务质量优劣的准则。

LTE系统资源分配有其自身的特点，且系统帧结构、AMC（Adaptive Modulationand Coding，自适应编码调制）、MIMO技术及小区间干扰协调技术都会对LTE系统资源分配算法产生影响。因此，目前直接复制OFDM系统的无线资源分配算法到LTE系统中，并没有真正体现LTE系统自身的特点。如何保障用户各种各样的QoS需求，维护用户之间的公平性，利用信道衰落在时间、频率和空间上的频率选择性衰落，分组业务的突发特性，尽可能的提高系统资源利用率的同时，兼顾服务质量，最大化用户满意度，达到资源的最适度配置，是目前工作欠缺和需要突破的地方。

发明内容

基于此，本发明提供一种LTE网络的资源分配方法和系统，能显著减少资源分配的复杂度，达到资源的最适度配置。

一种LTE网络的资源分配方法，包括如下步骤：

获取需进行资源分配的小区用户及LTE网络参数，并根据单目标多约束规划方法对LTE网络上行资源分配建立数学模型；

通过迭代优化方法将所述数学模型的组合优化求解转化成背包问题；

根据动态规划方法将求解多选择背包问题转化成求解多阶段决策过程图；

根据预设的改进后的Dijkstra算法求解所述多阶段决策过程图，获得各个用户的上行资源分配结果。

一种LTE网络的资源分配系统，包括：

建立模块，用于获取需进行资源分配的小区用户及LTE网络参数，并根据单目标多约束规划方法对LTE网络上行资源分配建立数学模型；

第一转化模块，用于通过迭代优化方法将所述数学模型的组合优化求解转化成背包问题；

第二转化模块，用于根据动态规划方法将求解多选择背包问题转化成求解多阶段决策过程图；

求解模块，用于根据预设的改进后的Dijkstra算法求解所述多阶段决策过程图，获得各个用户的上行资源分配结果。

上述LTE网络的资源分配方法和系统，首先根据单目标多约束的规划方法对LTE网络的上行无线资源管理进行数学建模；然后根据迭代优化的方法将上述多变量组合优化问题转化成一组背包问题；根据动态规划思想建立起多选择背包问题的多阶段决策过程图，最后采用改进的Dikstra算法求解背包问题的解，最终快速地获得建模后得到的组合优化问题的解，高效快速地完成无线资源分配。

附图说明

图1为本发明LTE网络的资源分配方法在一实施例中的流程示意图。

图2为图1中迭代优化的流程示意图。

图3为本发明LTE网络的资源分配系统在一实施例中的结构示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于此。

如图1所示，是本发明一种LTE网络的资源分配方法的流程示意图，包括如下步骤：

S11、获取需进行资源分配的小区用户及LTE网络参数，并根据单目标多约束规划方法对LTE网络上行资源分配建立数学模型；

S12、通过迭代优化方法将所述数学模型的组合优化求解转化成背包问题；

S13、根据动态规划方法将求解多选择背包问题转化成求解多阶段决策过程图；

S14、根据预设的改进后的Dijkstra算法求解所述多阶段决策过程图，获得各个用户的上行资源分配结果。

本实施例中，首先获取需进行分配的小区用户，及该小区的LTE网络参数，根据单目标多约束的规划方法对LTE网络的上行无线资源管理进行数学建模；然后根据迭代优化的方法将上述多变量组合优化问题转化成一组背包问题；根据动态规划思想建立起多选择背包问题的多阶段决策过程图，最后采用改进的Dikstra算法求解背包问题的解，最终快速地获得建模后得到的组合优化问题的解，高效快速地完成无线资源分配。

其中，在一较佳实施例中，步骤S11所述的获取需进行资源分配的小区用户及LTE网络参数，根据单目标多约束规划方法对LTE网络上行资源优化分配建立全面的数学模型，具体描述如下：

K表示小区的总用户数；N表示信道总的子载波数；w_k表示用户k的传输速率的权重，通过设定不同的权重，可以让用户获得不同的无线资源和传输的优先级。x_k,n表示是否将子载波n分配给用户k，若将子载波n分配给用户k，则x_k,n＝1，否则为0；g_k,n表示用户k在子载波n上的信道信噪比，h_k,n表示用户k在子载波n上的信道增益，N₀表示噪声的功率，B_n表示子载波n的带宽；p_k,n表示子载波n为用户k提供的发送功率；P_k表示每个用户可接受的最大发送功率；R为所有用户的上行传输速率的加权和。

无线资源分配的本质是子载波分配与传输功率控制的联合优化，模型的优化目标为所有用户总速率的加权和最大化，具体的数学模型可表示为：

所述的多约束条件包括：

每个子载波只能且必须分配给一个用户，多个用户同时占据同一条子载波，会引发严重的干扰：

每个用户的发射功率要低于用户总功率的约束：

每个子载波分配给用户功率的约束：

子载波n是否分配给用户k的约束：

上述所建立的数学模型是一个组合优化问题，其自变量包括01整数变量和连续变量，是一个很复杂的优化问题。

为此，在步骤S12中将其转化成一组背包问题，通过改进的快速算法求解一组背包问题，求解该组合优化问题。

在一较佳实施例中，其中步骤S12所述的通过迭代优化方法将数学模型的组合优化问题转化成一组背包问题。具体描述如下：

首先引进一个最基本的背包问题来解释说明背包问题：

假设要选进背包的物品被分为互相排斥的m类，第i类中有n_i个不同的物品。从每类中选择且必须选择一个物品放进背包，使得在物品总重量不超过背包承重W1的前提下，总费用最小化（或总价值最大化）。c_i,j表示第i类中第j个物品的费用；w_i,j表示第i类中第j个物品的重量；x_i,j表示第i类中第j个物品是否选进背包，是则取值为1，否则为0；W1表示背包承载的最大重量。

若背包问题的优化目标是运送物品的总费用最小化，其目标函数表示为：

所述的背包问题的目标约束条件为：

所选物品的总重量的约束：

每类中只能且必须选一个物品：

第i类第j个物品是否选进背包的约束：

以上描述的是一类基本的背包问题。

根据迭代优化，将步骤S11所建立的数学模型的组合优化问题转成求解多个背包问题，描述如下：

所述背包问题包括对每个用户分配子载波数，其中，子载波为背包问题中的种类，用户为背包问题中的物品；

首先固定用户的传输功率值，设定p_k,n为定值p^*，即p_k,n＝p^*，原问题退化成子载波分配问题。

所述的子载波分配的目标为所有用户总速率加权和最大化：

所述的约束条件包括：

由于发射功率被固定，所以每个子载波的传输速率可以表示为：R_k,n＝w_klog(1+g_k,np^*)；

每个子载波只能且必须分配给一个用户：

子载波n是否分配给用户k的约束：

与基本的背包问题相比较，可以把子载波当作背包问题中的种类，把用户当作背包问题中的物品，此时约束条件一一对应；给出的子载波分配问题已经等同于所述的背包问题，获取x_k,n，得到每个用户所分配得到的子载波。

在获得x_k,n后，即得到每个用户所分配的子载波数后，可以逐步求解每个用户的功率分配问题。为了也能用背包问题求解，需要首先将每个用户的最大发射功率P_k离散化，每个子载波上分布着j个不同的离散功率值，每个子载波当成一个类，每个子载波上的离散功率值当成是每一类里面的物品，构成类似于背包问题。

逐个对用户进行功率分配，所述的目标为用户k总速率最大化：

约束条件包括：

每个子载波的发送速率：R_i,j＝w_klog(1+g_i,jp_i,j)；其中，p_i,j表示第i个子载波上的第j个功率值；

每个用户接受的最大功率：

每个子载波只能且必须有功率值：

功率值j是否赋值给子载波i：其中，x_i,j＝1表示在子载波i上用户选择第j个发射功率，反之，x_i,j＝0。

如图2所示，根据迭代优化方法，在求解背包问题每次分配子载波和对每个用户分配功率后，计算当前目标函数值与上一次目标函数值的差值|R_i-R_i+1|，若|R_i-R_i+1|≤ζ，结束背包问题求解；若|R_i-R_i+1|≥ζ，则将上一次迭代的子载波功率值赋予此次迭代的子载波，重新对所述背包问题进行求解。迭代优化的处理流程即在所有的用户的功率分配都完成之后，获得新的各个子载波上的功率值，并且计算总的目标函数值。然后重新将各个子载波的功率值固定，新的循环中计算子载波分配问题，反复循环，直到两次循环出来的结果（获得的目标函数值）差值的绝对值定于预定值ζ，|R_i-R_i+1|≤ζ,迭代优化的循环才结束，达到理想的优化解。

其中步骤S13所述的运用动态规划的思想，将求解多选择背包问题转化成多阶段决策过程图，具体描述如下：

运用动态规划的思想，将所述背包问题的数学模型改进成：

所述多选择背包问题的目标函数为：

所述多选择背包问题的目标约束为：且是整数,

假定x_i代表在第i类中选择第x_i个物品，物品编号从零开始；c_i<x_i>代表一个查表函数，负责查出第i类中第x_i个物品的费用；w_i<x_i>也是一个查表函数，负责查出第i类中第x_i个物品的重量。此时，背包问题的目标函数是最小化运送物品的总费用，可以改写为：

所述的目标约束可以相应的改写成：

物品的总重量的约束：

且是整数,

使用动态规划的思想，把求解问题分成m个阶段分别进行决策，x_i代表决策变量，w代表装入第1类直到第i类物品总的容许重量，充当状态变量。每类中物品按照从轻到重进行排序，即任一类物品都满足：因此w_k0是第k类中最轻物品的重量，求解过程采用顺推运算，从阶段i进入阶段i-1时，

状态变量变化为：w-w_i<x_i>；

最优值函数为：

允许的决策集为：

上述公式建立了一个多阶段决策过程图，用于求解一个背包问题。此时，只需要从图中找出从左至右的最短路径，多选择的背包问题即完成求解。在多阶段决策过程图中，每一个阶段就代表一个取值的类，从每一个阶段，其选择x_i的取值空间是D_i(w)，每一个阶段的合适的x_i选取标准是f_i(w)。可以逐步从每一个阶段在取值空间D_i(w)做出选择，选择合适的x_i，以最大化系统的目标函数。

其中步骤S14所述预设的改进后的Dijkstra算法获得最优解的过程为：

建立S←{v₀}，l(v₀)←0，l(v_i)←∞，i=1，2，…，n；i←0，

式中，v₀表示图论的一个初始起点，v_i表示的是阶段i时x_i的取值空间里面的取值集合，x_i＝D_i(w)。S表示的是已获得最短路径的点的集合，是S的补集。在步骤一中，设定一个初始结点v₀，并将其归纳给集合S，l(v₀)表示与节点v₀相连的边的距离值，值为0。l(v_i)表示与节点v_i相连的边的长度值。

若是空集则打印S后停止；

否则，对的所有点计算把当前节点的前一节点都记录到与节点v_i有关的一个动态数组中。其中，d_ij表示的是节点v_i与节点v_j之间的距离，在本实施例中，d_ij＝f_i(w)。

令S←S∪{v_i+1}，i←i+1，执行所述若是空集则打印S后停止。其中，l(v_i+1)表示从第i+1个阶段中选择最短的路径，同时将与最短路径相关的节点v_i+1纳入集合S中去，然后继续下一个阶段的阶段选取，直到所有的阶段中合适的节点都被选取出来。

本实施例首次把子载波分配与传输功率控制联合优化问题转换到求解一组背包问题，使用动态规划的思想，运用改进的图论算法，求解出系统无线资源分配的全部最优解。

同时，基于动态规划和改进的图论算法，求解优化问题，不仅将复杂问题简单化，大大减少了问题计算的复杂度，而且较稳定，属于确定性方法，每次都能准确的找到全部最优解，达到资源的最适度配置。

如图3所示，本发明还提供一种LTE网络的资源分配系统，包括：

建立模块31，用于获取需进行资源分配的小区用户及LTE网络参数，并根据单目标多约束规划方法对LTE网络上行资源分配建立数学模型；

第一转化模块32，用于通过迭代优化方法将所述数学模型的组合优化求解转化成背包问题；

第二转化模块33，用于根据动态规划方法将求解多选择背包问题转化成求解多阶段决策过程图；

求解模块34，用于根据预设的改进后的Dijkstra算法求解所述多阶段决策过程图，获得各个用户的上行资源分配结果。

在一较佳实施例中，所述建立模块还用于：

所述数学模型的优化目标为所有用户总速率的加权和最大化；

其中，K表示小区的总用户数；N表示信道总的子载波数；w_k表示预设的用户k的传输速率的权重；x_k,n表示是否将子载波n分配给用户k，若将子载波n分配给用户k，则x_k,n＝1，否则为0；g_k,n表示用户k在子载波n上的信道信噪比，h_k,n表示用户k在子载波n上的信道增益，N₀表示噪声的功率，B_n表示子载波n的带宽；p_k,n表示子载波n为用户k提供的发送功率；P_k表示每个用户可接受的最大发送功率；R为所有用户的上行传输速率的加权和；

所述单目标多约束规划方法包括如下的目标多约束条件：

每个子载波只能且必须分配给一个用户：

每个用户的发射功率低于用户总功率的约束：

每个子载波分配给用户功率的约束为：

子载波n是否分配给用户k的约束为：

在一较佳实施例中，所述第一转化模块中的背包问题包括对每个用户分配子载波数，其中，子载波为背包问题中的种类，用户为背包问题中的物品；

所述第一转化模块还用于对每个用户分配子载波数：

固定用户的发射功率值，设定p_k,n为定值p^*，将所述数学模型的组合优化求解退化成子载波分配；

所述子载波分配的目标为所有用户总速率加权和最大化：

所述子载波分配的约束条件为：

每个子载波的发送速率为：R_k,n＝w_klog(1+g_k,np^*)；

每个子载波只能且必须分配给一个用户：

子载波n是否分配给用户k的约束为：

所述背包问题还包括对每个用户分配功率，其中，每个子载波为一个类，每个子载波上的离散功率值为每一个类中的物品；

所述第一转化模块还用于对用户分配功率：

对用户进行功分配，目标函数为用户k上所有子载波的总速率最大化：

所述对用户分配功率的约束条件为：

每个子载波的发送速率为：R_i,j＝w_klog(1+g_i,jp_i,j)，其中，p_i,j表示第i个子载波上的第j个功率值；

每个用户接受的最大功率为：

每个子载波必须有功率值：

功率值j是否赋值给子载波i：其中，x_i,j＝1表示在子载波i上用户选择第j个发射功率，反之，x_i,j＝0；

所述第一转化模块还用于根据迭代优化方法，在求解背包问题每次分配子载波和对每个用户分配功率后，计算当前目标函数值与上一次目标函数值的差值|R_i-R_i+1|，若|R_i-R_i+1|≤ζ，结束背包问题求解；若|R_i-R_i+1|≥ζ，则将上一次迭代的子载波功率值赋予此次迭代的子载波，重新对所述背包问题进行求解。在一较佳实施例中，所述第二转化模块中的多选择背包问题的目标函数为：

所述多选择背包问题的目标约束为：且是整数,

所述第二转化模块还用于根据动态规划方法，将所述多选择背包问题分为m个阶段分别进行决策，x_i代表决策变量；w为状态变量，代表装入第1类直到第i类物品总的容许重量；每类中物品按照从轻到重进行排序，任一类物品都满足：

求解过程采用顺推运算，从阶段i进入阶段i-1时，通过以下公式建立多阶段决策过程图：

状态变量变化为：w-w_i<x_i>；

最优值函数为

允许的决策集为：

找出图中从左至右的最短路径：每一个阶段代表一个取值的类，从每一个阶段，选择x_i的取值空间是D_i(w)，每一个阶段的x_i选取标准是f_i(w)。

在一较佳实施例中，所述求解模块还用于：

建立S←{v₀}，l(v₀)←0，l(v_i)←∞，i=1，2，…，n；i←0，其中，v₀表示图论的一个初始起点，v_i表示的是阶段i时x_i的取值空间里面的取值集合，x_i＝D_i(w)；S表示已获得最短路径的点的集合，是S的补集；l(v₀)表示与节点v₀相连的边的距离值，值为0；l(v_i)表示与节点v_i相连的边的长度值；

若是空集则打印S后停止；

否则，对的所有点计算把当前节点的前一节点都记录到与节点v_i有关的动态数组中；其中，d_ij表示节点v_i与节点v_j之间的距离，d_ij＝f_i(w)；

令S←S∪{v_i+1}，i←i+1，执行所述若是空集则打印S后停止的步骤；其中，l(v_i+1)表示从第i+1个阶段中选择最小的路径，并将与最短路径相关的节点v_i+1纳入集合S中去，然后继续下一个阶段的阶段选取，直到所有的阶段中合适的节点都被选取出来。

本发明提供借鉴组合优化算法求解LTE网络上行无线资源分配的方法。首先根据单目标多约束的规划方法对LTE网络的上行无线资源管理进行数学建模；然后根据迭代优化的方法将上述多变量组合优化问题转化成一组背包问题；根据动态规划思想建立起多选择背包问题的多阶段决策过程图，最后采用改进的Dikstra算法求解背包问题的解，最终快速地获得建模后得到的组合优化问题的解，高效快速地完成无线资源分配。

目前LTE网络资源分配中，针对资源分配的优化问题，缺乏简单而准确的计算方法。本发明充分利用了动态规划的思想，同时结合图论算法进行最优解搜索的优化思想是未来网络的一个新方向，具有重要的工程应用价值。本发明将LTE网络中复杂的资源分配算法，简化成一组背包问题。可以通过反复的运用背包问题的求解策略，快速获得最优的快速分配策略。在求解背包问题中，利用动态规划的技术将复杂的数学模型，转换成简单的01整数规划问题，产生多阶段过程图，利用图论算法求解最优解。本发明对图论算法进一步改进，标准的图论算法只能找到一种最优解，改进后能快速准确的找出全部的最优解。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种LTE网络的资源分配方法，其特征在于，包括如下步骤：

获取需进行资源分配的小区用户及LTE网络参数，并根据单目标多约束规划方法对LTE网络上行资源分配建立数学模型；

其中，所述根据单目标多约束规划方法对LTE网络上行资源分配建立的数学模型为：

所述数学模型的优化目标为所有用户总速率的加权和最大化；

其中，K表示小区的总用户数；N表示信道总的子载波数；w_k表示预设的用户k的传输速率的权重；x_k,n表示是否将子载波n分配给用户k，若将子载波n分配给用户k，则x_k,n＝1，否则为0；g_k,n表示用户k在子载波n上的信道信噪比，h_k,n表示用户k在子载波n上的信道增益，N₀表示噪声的功率，B_n表示子载波n的带宽；p_k,n表示子载波n为用户k提供的发送功率；P_k表示每个用户可接受的最大发送功率；R为所有用户的上行传输速率的加权和；

所述单目标多约束规划方法包括如下的多约束条件：

每个子载波只能且必须分配给一个用户：

每个用户的发射功率低于用户总功率的约束：

每个子载波分配给用户功率的约束为：

子载波n是否分配给用户k的约束为：

通过迭代优化方法将所述数学模型的组合优化求解转化成背包问题；

根据动态规划方法将求解多选择背包问题转化成求解多阶段决策过程图；

根据预设的改进后的Dijkstra算法求解所述多阶段决策过程图，获得各个用户的上行资源分配结果。

2.根据权利要求1所述的LTE网络的资源分配方法，其特征在于，所述背包问题包括对每个用户分配子载波数，其中，子载波为背包问题中的种类，用户为背包问题中的物品；

对每个用户分配子载波数的步骤包括：

固定用户的发射功率值，设定pk_,n为定值p*，将所述数学模型的组合优化求解退化成子载波分配；

所述子载波分配的目标为所有用户总速率加权和最大化：所述子载波分配的约束条件为：

每个子载波的发送速率为：R_k,n＝w_klog(1+g_k,np^*)；

每个子载波只能且必须分配给一个用户：

子载波n是否分配给用户k的约束为：

所述背包问题还包括对每个用户分配功率，其中，每个子载波为一个类，每个子载波上的离散功率值为每一个类中的物品；

对用户分配功率的步骤包括：

对用户进行功率分配，目标函数为用户k总速率最大化：

所述对用户分配功率的约束条件为：

每个子载波的发送速率为：R_i,j＝w_klog(1+gi,_jpi,_j)，其中，p_i,j表示第i个子载波上的第j个功率值；

每个用户接受的最大功率为：

每个子载波必须有功率值：

功率值j是否赋值给子载波i：其中，x_i,j＝1表示在子载波i上用户选择第j个发射功率，反之，x_i,j＝0；I表示由所有子载波组成的集合，J表示由发射功率组成的集合；

根据迭代优化方法，在求解出每次分配的子载波和对每个用户分配的功率后，计算当前目标函数值与上一次目标函数值的差值|R_i-R_i+1|，若结束背包问题求解；若则将上一次迭代的子载波功率值赋予此次迭代的子载波，重新对所述背包问题进行求解；其中，为预定值。

3.根据权利要求2所述的LTE网络的资源分配方法，其特征在于，所述多选择背包问题的目标函数为：

所述多选择背包问题的目标约束为：且是整数,其中，n_i表示第i类中物品的数量；

根据动态规划方法，将所述多选择背包问题分为m个阶段分别进行决策，x_i代表决策变量；w为状态变量，代表装入第1类直到第i类物品总的容许重量；每类中物品按照从轻到重进行排序，任一类物品都满足：

求解过程为顺推运算，从阶段i进入阶段i-1时，通过以下公式建立多阶段决策过程图：

状态变量变化为：w-w_i<x_i>；

最优值函数为

允许的决策集为：

找出图中从左至右的最短路径：每一个阶段代表一个取值的类，从每一个阶段，选择x_i的取值空间为D_i(w)，每一个阶段的x_i选取标准为f_i(w)。

4.根据权利要求3所述的LTE网络的资源分配方法，其特征在于，所述根据预设的改进后的Dijkstra算法求解所述多阶段决策过程图，获得各个用户的上行资源分配结果的步骤为：

建立S←{v₀}，l(v₀)←0，l(v_i)←∞，i＝1，2，…，n；i←0，其中，v₀表示图论的一个初始起点，v_i表示的是阶段i时x_i的取值空间里面的取值集合，x_i＝D_i(w)；S表示已获得最短路径的点的集合，是S的补集；l(v₀)表示与节点v₀相连的边的距离值，值为0；l(v_i)表示与节点v_i相连的边的长度值；

若是空集则打印S后停止；

否则，对的所有点计算把当前节点的前一节点都记录到与节点v_i有关的动态数组中；其中，d_ij表示节点v_i与节点v_j之间的距离，d_ij＝f_i(w)；

令S←S∪{v_i+1}，i←i+1，执行所述若是空集则打印S后停止的步骤；其中，l(v_i+1)表示从第i+1个阶段中选择最小的路径，并将与最短路径相关的那个节点v_i+1纳入集合S中去，然后继续下一个阶段的阶段选取，直到所有的阶段中满足条件的节点都被选取出来。

5.一种LTE网络的资源分配系统，其特征在于，包括：

建立模块，用于获取需进行资源分配的小区用户及LTE网络参数，并根据单目标多约束规划方法对LTE网络上行资源分配建立数学模型；

其中，所述建立模块还用于：

所述数学模型的优化目标为所有用户总速率的加权和最大化；

其中，K表示小区的总用户数；N表示信道总的子载波数；w_k表示预设的用户k的传输速率的权重；x_k,n表示是否将子载波n分配给用户k，若将子载波n分配给用户k，则x_k,n＝1，否则为0；g_k,n表示用户k在子载波n上的信噪比，h_k,n表示用户k在子载波n上的信道增益，N₀表示噪声的功率，B_n表示子载波n的带宽；p_k,n表示子载波n为用户k提供的发送功率；P_k表示每个用户可接受的最大发送功率；R为所有用户的上行传输速率的加权和；

所述单目标多约束规划方法包括如下的多约束条件：

每个子载波只能且必须分配给一个用户：

每个用户的发射功率低于用户总功率的约束：

每个子载波分配给用户功率的约束为：

子载波n是否分配给用户k的约束为：

第一转化模块，用于通过迭代优化方法将所述数学模型的组合优化求解转化成背包问题；

第二转化模块，用于根据动态规划方法将求解多选择背包问题转化成求解多阶段决策过程图；

求解模块，用于根据预设的改进后的Dijkstra算法求解所述多阶段决策过程图，获得各个用户的上行资源分配结果。

6.根据权利要求5所述的LTE网络的资源分配系统，其特征在于，所述第一转化模块中的背包问题包括对每个用户分配子载波数，其中，子载波为背包问题中的种类，用户为背包问题中的物品；

所述第一转化模块还用于对每个用户分配子载波数：

固定用户的发射功率值，设定p_k,n为定值p^*，将所述数学模型的组合优化求解退化成子载波分配；

所述子载波分配的目标为所有用户总速率加权和最大化：所述子载波分配的约束条件为：

每个子载波的发送速率为：R_k,n＝w_klog(1+g_k,np^*)；

每个子载波只能且必须分配给一个用户：

子载波n是否分配给用户k的约束为：

所述背包问题还包括对每个用户分配功率，其中，每个子载波为一个类，每个子载波上的离散功率值为每一个类中的物品；

所述第一转化模块还用于对用户分配功率：

对用户进行功率分配，目标函数为用户k总速率最大化：

所述对用户分配功率的约束条件为：

每个子载波的发送速率为：R_i,j＝w_klog(1+g_i,jp_i,j)，其中，p_i,j表示第i个子载波上的第j个功率值；

每个用户接受的最大功率为：

每个子载波必须有功率值：

功率值j是否赋值给子载波i：其中，x_i,j＝1表示在子载波i上用户选择第j个发射功率，反之，x_i,j＝0；I表示由所有子载波组成的集合，J表示由发射功率组成的集合；

所述第一转化模块还用于根据迭代优化方法，在求解背包问题每次分配子载波和对每个用户分配功率后，计算当前目标函数值与上一次目标函数值的差值|R_i-R_i+1|，若结束背包问题求解；若则将上一次迭代的子载波功率值赋予此次迭代的子载波，重新对所述背包问题进行求解；其中，为预定值。

7.根据权利要求6所述的LTE网络的资源分配系统，其特征在于，所述第二转化模块中的多选择背包问题的目标函数为：

所述多选择背包问题的目标约束为：且是整数,其中，n_i表示第i类中物品的数量；

所述第二转化模块还用于根据动态规划方法，将所述多选择背包问题分为m个阶段分别进行决策，x_i代表决策变量；w为状态变量，代表装入第1类直到第i类物品总的容许重量；每类中物品按照从轻到重进行排序，任一类物品都满足：

求解过程为顺推运算，从阶段i进入阶段i-1时，通过以下公式建立多阶段决策过程图：

状态变量变化为：w-w_i<x_i>；

最优值函数为

允许的决策集为：

找出图中从左至右的最短路径：每一个阶段代表一个取值的类，从每一个阶段，选择x_i的取值空间是D_i(w)，每一个阶段的x_i选取标准是f_i(w)。

8.根据权利要求7所述的LTE网络的资源分配系统，其特征在于，所述求解模块还用于：

建立S←{v₀}，l(v₀)←0，l(v_i)←∞，i＝1，2，…，n；i←0，其中，v₀表示图论的一个初始起点，v_i表示的是阶段i时x_i的取值空间里面的取值集合，x_i＝D_i(w)；S表示已获得最短路径的点的集合，是S的补集；l(v₀)表示与节点v₀相连的边的距离值，值为0；l(v_i)表示与节点v_i相连的边的长度值；

若是空集则打印S后停止；

否则，对的所有点计算把当前节点的前一节点都记录到与节点v_i有关的动态数组中；其中，d_ij表示节点v_i与节点v_j之间的距离，d_ij＝f_i(w)；

令S←S∪{v_i+1}，i←i+1，执行所述若是空集则打印S后停止的步骤；其中，l(v_i+1)表示从第i+1个阶段中选择最小的路径，并将与最短路径相关的那个节点v_i+1纳入集合S中去，然后继续下一个阶段的阶段选取，直到所有的阶段中满足条件的节点都被选取出来。