CN105376846A - 一种lte无线资源分配方法 - Google Patents

Abstract

本发明属于通信工程技术领域，具体涉及一种LTE无线资源分配方法，其包括以下步骤：(1)、初始化功率、RB总数目及用户总数，将系统的总发射功率分均分配到每一个RB上；(2)、根据基站接收到的反馈信息对RB进行进一步分配；(3)基站根据(2)得到的最佳的RB分配方案，对每个RB上的功率进行重分配；(4)、循环重复执行(2)～(3)直到适应度值不再变化或者小于设置的最小精度为止。本发明公开的一种LTE无线资源分配方法具有以下有益效果：提高了无线资源分配算法的收敛速度，保证了实际通信过程中资源分配的实时性。

Description

一种LTE无线资源分配方法

技术领域

本发明属于通信工程技术领域，具体涉及一种LTE无线资源分配方法。

背景技术

为了满足无线通信中多样化的效用需求，如系统吞吐量、公平性、频谱效率、能量效率等，需要设计基于不同效用函数的调度策略。LTE调度方法主要包括轮询算法、比例公平算法、最大载干比算法和基于拉格朗日法的资源调度方法。而传统的LTE调度方法如轮询算法、比例公平算法、最大载干比算法仅仅是关于系统的吞吐量和系统公平性的RB的调度分配，优化目标单一且无法对功率进行优化。基于拉格朗日法的资源调度方法收敛速度过慢，计算复杂度过高，无法保证LTE系统中的实时调度。

发明内容

发明目的：本发明针对上述现有技术存在的问题做出改进，即本发明公开了一种LTE无线资源分配方法。

技术方案：一种LTE无线资源分配方法，包括以下步骤：

(1)、初始化功率、RB总数目及用户总数，将系统的总发射功率分均分配到每一个RB上,

(2)、根据基站接收到的反馈信息对RB进行进一步分配：

(21)、设置参数T，N，r_initial、r_end和m，其中T为迭代次数，N为烟花弹数，m为每次爆炸新产生的烟花弹数目，r_initial为初始的烟花弹爆炸参考半径，r_end为最后一次迭代时烟花弹爆炸的参考半径；

(22)、在M维搜索空间内随机初始化N个烟花弹，根据基站接收到的反馈计算每一个初始化烟花弹的适应度值和本次迭代过程中烟花弹爆炸的参考半径r(t)，其中，适应度值的计算公式为：

$f\left(x_i\right)=\underset{k=1}{\overset{K}{\Σ}}\frac{sigmoid(r_k-r_{k,min})}{p_k},$ i＝1,...,N，其中：

x_i是一个M维的实向量，表示第i个烟花弹的位置；f(x_i)表示第i个烟花弹的适应度值；k表示用户编号；K为小区内的用户总数；r_k为用户k获得的传输速率；r_k,min为用户k需要满足的最小速率；p_k为第k个用户分得的功率；

最大半径 $r\left(t\right)={\left(\frac{T-t}{T}\right)}^5(r_{initial}-r_{end})+r_{end},$ 初始化t＝1，

其中：r(t)为迭代次数为t时的参考爆炸半径；T为最大迭代次数，r_initial和r_end为常量，r_initial为初始参考爆炸半径，r_end为迭代终止时的参考爆炸半径；

(23)、对N个烟花弹进行爆炸操作，得到最佳的RB分配方案；

(3)基站根据(2)得到的最佳的RB分配方案，对每个RB上的功率进行重分配：

(31)设置算法参数T，N，r_initial、r_end，m，其中T为迭代次数，N为烟花弹数，m为每次爆炸新产生的烟花弹数目，r_initial为初始的烟花弹爆炸参考半径，r_end为最后一次迭代时烟花弹爆炸的参考半径；

(32)在M维搜索空间内随机初始化N个烟花弹，计算N个烟花弹的适应度值f(x_i)和本次迭代过程中烟花弹爆炸的参考半径r(t),

适应度值 $f\left(x_i\right)=\underset{k=1}{\overset{K}{\Σ}}\frac{sigmoid(r_k-r_{k,min})}{p_k},$

其中:x_i是一个M维向量，i＝1,...m，f(x_i)表示的是第i个烟花弹的适应度值；k表示的是用户编号；K为小区内的用户总数；p_k为第k个用户分得的功率.a＝-10,b＝0；

$r\left(t\right)={\left(\frac{T-t}{T}\right)}^5(r_{initial}-r_{end})+r_{end},$ 初始化时t＝1，

其中：r(t)为迭代次数为t时的参考爆炸半径，T为最大迭代次数，r_initial和r_end为常量，r_initial为是初始参考爆炸半径，r_end为迭代终止时的参考爆炸半径；

(33)对N个烟花弹进行爆炸操作，

(34)产生下一代的烟花弹，保证每一代的烟花弹总数相等

(341)计算新的m个烟花弹的适应度值，从所有的N+m个烟花弹中挑选出适应度值最优的个烟花弹；

(342)从剩下的个烟花弹中随机选取个烟花弹；

(35)若当前迭代数t＜最大迭代数T，则返回步骤(33)，否则迭代结束，得到每个RB上的最佳功率分配方案，

(4)、循环重复执行(2)～(3)直到适应度值不再变化或者小于设置的最小精度为止。

进一步地，步骤(23)包括以下步骤：

(231)、根据N个烟花弹的适应度值，其各自爆炸产生的新烟花的数目为：

$m_i=round(m*\frac{f\left(x_i\right)-y_{min}}{\underset{n=1}{\overset{N}{\Σ}}\left(f\right(x_i)-y_{min})})$

其中：x_i是一个M维的实向量，表示第i个烟花弹的位置；f(x_i)表示第i个烟花弹的适应度值；m_i为第i个烟花弹爆炸产生的新烟花弹的数目；y_min为N个烟花弹的适应度值中的最小值；round为一个四舍五入取整函数；

(232)根据N个烟花弹的适应度值,其各自产生的烟花弹的最大爆炸半径为：

$r_i\left(t\right)=r\left(t\right)*\frac{y_{max}-f\left(x_i\right)}{\underset{n=1}{\overset{N}{\Σ}}(y_{max}-f(x_i\left)\right)}$

其中：r_i(t)为迭代次数为t时第i个烟花弹的实际爆炸半径，r(t)为迭代次数为t时的参考爆炸半径；y_max为N个烟花弹的适应度值中的最大值，f(x_i)表示的是第i个烟花弹的适应度值；

(233)计算新产生的m个烟花弹位置：

$x_i^k=round(x_i+(2*rand\left(1,M\right)-1)*r_i(t\left)\right)$

其中：为第i个烟花弹爆炸产生的第k个烟花弹，设x_i＝(x₁,x₂,...,x_M)，rand(1,M)产生一个M维向量，每个元素在0到1之间取值，(2*rand(1,M)-1)则产生一个所有元素在(-1,1)取值的M维向量；r_i(t)为当前迭代的爆炸半径；

若的第j维元素超出了最大用户序号K，则利用 $x_i^{k,j}=round(x_{\min }+x_i^{k,j}\%(x_{max}-x_{min}\left)\right)$ 重新映射回限制以内,

其中：为中超出限制的元素，x_max＝K，x_min＝1，％为取余符号，round表示取整函数，

(234)产生下一代的烟花弹，保证每一代的烟花弹总数相等，

(235)若当前迭代数t＜最大迭代数T，则返回步骤(231)，否则迭代结束，得到最佳的RB分配方案。

更进一步地，步骤(234)包括以下步骤

(2341)计算新的m个烟花弹的适应度值

$f\left(x_i\right)=\underset{k=1}{\overset{K}{\Σ}}\frac{sigmoid(r_k-r_{k,\min })}{p_k},$ i＝1,...,m，

其中：x_i为新产生的m个烟花弹(位置)；f(x_i)表示的是第i个烟花弹的适应度值；k表示用户编号；K为小区内的用户总数；p_k为第k个用户分得的功率；其中a＝-10,b＝0；

再从所有的(N+m)个烟花弹中挑选出适应度值最优的个烟花弹；

(2342)从剩下的个烟花弹中随机选取个烟花弹。

进一步地，步骤(33)包括以下步骤：

(331)根据当前N个烟花弹的适应度值计算各个烟花弹的各自爆炸产生的新烟花的数目为：

$m_i=round(m*\frac{f\left(x_i\right)-y_{min}}{\underset{n=1}{\overset{N}{\Σ}}\left(f\right(x_i)-y_{min})})$

其中：x_i是一个M维的实向量，表示第i个烟花弹的位置；f(x_i)表示第i个烟花弹的适应度值；m_i即为第i个烟花弹爆炸产生的新烟花弹的数目；y_min为N个烟花弹的适应度值中的最小值；round函数为一个四舍五入取整函数；

(332)根据当前N个烟花弹的适应度值计算各个烟花弹各自产生的烟花弹的最大爆炸半径为：

$r_i\left(t\right)=r\left(t\right)*\frac{y_{max}-f\left(x_i\right)}{\underset{n=1}{\overset{N}{\Σ}}(y_{max}-f(x_i\left)\right)},$ 其中：

r_i(t)为迭代次数为t时第i个烟花弹的实际爆炸半径，r(t)为迭代次数为t时的参考爆炸半径；y_max为N个烟花弹的适应度值中的最大值，f(x_i)表示第i个烟花弹的适应度值；

(333)新产生的m个烟花弹位置：

$x_i^k=x_i+(2*rand(1,M)-1)*r_i\left(t\right)$ 其中：

为第i个烟花弹爆炸产生的第k个烟花弹，设x_i＝(x₁,x₂,...,x_M)，rand(1,M)产生一个M维向量，每个元素在0到1之间取值，(2*rand(1,M)-1),则产生一个所有元素在(-1,1)取值的M维向量；r_i(t)为当前迭代的爆炸半径；

若的第j维元素超出了限制每个RB所能分得的最大功率P_max，则利用重新映射回限制以内,为中超出限制的元素，x_max＝P_max，x_min＝0。

有益效果：本发明公开的一种LTE无线资源分配方法具有以下有益效果：

提高了无线资源分配算法的收敛速度，保证了实际通信过程中资源分配的实时性。

附图说明

图1为本发明公开的一种LTE无线资源分配方法的流程图。

具体实施方式：

下面对本发明的具体实施方式详细说明。

如图1所示，一种LTE无线资源分配方法，包括以下步骤：

(1)、初始化功率、RB(ResourceBlock，资源块)总数目及用户总数

将系统的总发射功率分均分配到每一个RB上,假设系统的总发射功率为P^total，RB总数目为M，用户总数为K，每个RB上分得的最大功率值为P_max，则每个RB上分得的功率为P^total/M；

(2)、根据基站接收到的反馈信息对RB进行进一步分配：

(21)、设置参数T，N，r_initial、r_end和m，其中T为迭代次数，N为烟花弹数，m为每次爆炸新产生的烟花弹数目，r_initial为初始的烟花弹爆炸参考半径，r_end为最后一次迭代时烟花弹爆炸的参考半径；

(22)、在M维搜索空间内随机初始化N个烟花弹，根据基站接收到的反馈计算每一个初始化烟花弹的适应度值和本次迭代过程中烟花弹爆炸参考半径r(t)，其中，

适应度值的计算公式为：i＝1,...,N，其中：x_i是一个M维的实向量，表示第i个烟花弹的位置；f(x_i)表示第i个烟花弹的适应度值；k表示用户编号；K为小区内的用户总数；r_k为用户k获得的传输速率；r_k,min为用户k需要满足的最小速率；p_k为第k个用户分得的功率；

最大半径 $r\left(t\right)={\left(\frac{T-t}{T}\right)}^5(r_{initial}-r_{end})+r_{end},$ 初始化t＝1，

其中：r(t)为迭代次数为t时的参考爆炸半径；T为最大迭代次数，r_initial和r_end为常量，r_initial为初始参考爆炸半径，r_end为迭代终止时的参考爆炸半径；

(23)、对N个烟花弹进行爆炸操作：

(231)、根据N个烟花弹的适应度值，其各自爆炸产生的新烟花的数目为：

$m_i=round(m*\frac{f\left(x_i\right)-y_{min}}{\underset{n=1}{\overset{N}{\Σ}}\left(f\right(x_i)-y_{min})})$

其中：x_i是一个M维的实向量，表示第i个烟花弹的位置；f(x_i)表示第i个烟花弹的适应度值；m_i为第i个烟花弹爆炸产生的新烟花弹的数目；y_min为N个烟花弹的适应度值中的最小值；round为一个四舍五入取整函数；

(232)根据N个烟花弹的适应度值,其各自产生的烟花弹的最大爆炸半径为：

$r_i\left(t\right)=r\left(t\right)*\frac{y_{max}-f\left(x_i\right)}{\underset{n=1}{\overset{N}{\Σ}}(y_{max}-f(x_i\left)\right)}$

其中：r_i(t)为迭代次数为t时第i个烟花弹的实际爆炸半径，r(t)为迭代次数为t时的参考爆炸半径；y_max为N个烟花弹的适应度值中的最大值，f(x_i)表示的是第i个烟花弹的适应度值；

(233)计算新产生的m个烟花弹位置：

$x_i^k=round(x_i+(2*rand\left(1,M\right)-1)*r_i(t\left)\right)$

其中：为第i个烟花弹爆炸产生的第k个烟花弹，设x_i＝(x₁,x₂,...,x_M)，rand(1,M)产生一个M维向量，每个元素在0到1之间取值，(2*rand(1,M)-1)则产生一个所有元素在(-1,1)取值的M维向量；r_i(t)为当前迭代的爆炸半径；

若的第j维元素超出了最大用户序号K，则利用 $x_i^{k,j}=round(x_{\min }+x_i^{k,j}\%(x_{max}-x_{min}\left)\right)$ 重新映射回限制以内,

其中：为中超出限制的元素，x_max＝K，x_min＝1，％为取余符号，round表示取整函数，

(234)产生下一代的烟花弹，保证每一代的烟花弹总数相等，

(2341)计算新的m个烟花弹的适应度值 $f\left(x_i\right)=\underset{k=1}{\overset{K}{\Σ}}\frac{sigmoid(r_k-r_{k,\min })}{p_k},$ i＝1,...,m，

其中：x_i为新产生的m个烟花弹(位置)；f(x_i)表示的是第i个烟花弹的适应度值；k表示用户编号；K为小区内的用户总数；p_k为第k个用户分得的功率； $sigmoid\left(x\right)=\frac{1}{1+e^{a(x-b)}},$ 其中a＝-10,b＝0；

再从所有的(N+m)个烟花弹中挑选出适应度值最优的个烟花弹；

(2342)从剩下的个烟花弹中随机选取个烟花弹；

(235)若当前迭代数t＜最大迭代数T，则返回步骤(231)，否则迭代结束，得到最佳的RB分配方案；

(3)基站根据(2)得到的最佳的RB分配方案，对每个RB上的功率进行重分配：

(31)设置算法参数T，N，r_initial、r_end，m，其中T为迭代次数，N为烟花弹数，m为每次爆炸新产生的烟花弹数目，r_initial为初始的烟花弹爆炸参考半径，r_end为最后一次迭代时烟花弹爆炸的参考半径；

(32)在M维搜索空间内随机初始化N个烟花弹，计算N个烟花弹的适应度值f(x_i)和本次迭代过程中烟花弹爆炸的参考半径r(t),

适应度值 $f\left(x_i\right)=\underset{k=1}{\overset{K}{\Σ}}\frac{sigmoid(r_k-r_{k,min})}{p_k},$

其中x_i是一个M维向量，i＝1,...m，f(x_i)表示的是第i个烟花弹的适应度值；k表示的是用户编号；K为小区内的用户总数；p_k为第k个用户分得的功率.a＝-10,b＝0；

$r\left(t\right)={\left(\frac{T-t}{T}\right)}^5(r_{initial}-r_{end})+r_{end},$ 初始化时t＝1，

其中：r(t)为迭代次数为t时的参考爆炸半径，T为最大迭代次数，r_initial和r_end为常量，r_initial为是初始参考爆炸半径，r_end为迭代终止时的参考爆炸半径；

(33)对N个烟花弹进行爆炸操作：

(331)根据当前N个烟花弹的适应度值计算各个烟花弹的各自爆炸产生的新烟花的数目为：

$m_i=round(m*\frac{f\left(x_i\right)-y_{min}}{\underset{n=1}{\overset{N}{\Σ}}\left(f\right(x_i)-y_{min})})$

其中：x_i是一个M维的实向量，表示第i个烟花弹的位置；f(x_i)表示第i个烟花弹的适应度值；m_i即为第i个烟花弹爆炸产生的新烟花弹的数目；y_min为N个烟花弹的适应度值中的最小值；round函数为一个四舍五入取整函数；

(332)根据当前N个烟花弹的适应度值计算各个烟花弹各自产生的烟花弹的最大爆炸半径为：

$r_i\left(t\right)=r\left(t\right)*\frac{y_{max}-f\left(x_i\right)}{\underset{n=1}{\overset{N}{\Σ}}(y_{max}-f(x_i\left)\right)},$ 其中：

r_i(t)为迭代次数为t时第i个烟花弹的实际爆炸半径，r(t)为迭代次数为t时的参考爆炸半径；y_max为N个烟花弹的适应度值中的最大值，f(x_i)表示第i个烟花弹的适应度值；

(333)新产生的m个烟花弹位置：

$x_1^k=x_i+(2*rand(1,M)-1)*r_i\left(t\right)$ 其中：

为第i个烟花弹爆炸产生的第k个烟花弹，设x_i＝(x₁,x₂,...,x_M)，rand(1,M)产生一个M维向量，每个元素在0到1之间取值，(2*rand(1,M)-1)则产生一个所有元素在(-1,1)取值的M维向量；r_i(t)为当前迭代的爆炸半径；

若的第j维元素超出了限制每个RB所能分得的最大功率P_max，则利用重新映射回限制以内,为中超出限制的元素，x_max＝P_max，x_min＝0,

(34)产生下一代的烟花弹，保证每一代的烟花弹总数相等

(341)计算新的m个烟花弹的适应度值，从所有的N+m个烟花弹中挑选出适应度值最优的个烟花弹；

(342)从剩下的个烟花弹中随机选取个烟花弹；

(35)若当前迭代数t＜最大迭代数T，则返回步骤(33)，否则迭代结束，得到每个RB上的最佳功率分配方案，

(4)、循环重复执行(2)～(3)直到适应度值不再变化或者小于设置的最小精度为止。

上面对本发明的实施方式做了详细说明。但是本发明并不限于上述实施方式，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (4)

1.一种LTE无线资源分配方法，其特征在于，包括以下步骤：

(1)、初始化功率、RB总数目及用户总数，将系统的总发射功率分均分配到每一个RB上,

(2)、根据基站接收到的反馈信息对RB进行进一步分配：

(21)、设置参数T，N，r_initial、r_end和m，其中T为迭代次数，N为烟花弹数，m为每次爆炸新产生的烟花弹数目，r_initial为初始的烟花弹爆炸参考半径，r_end为最后一次迭代时烟花弹爆炸参考半径；

(22)、在M维搜索空间内随机初始化N个烟花弹，根据基站接收到的反馈计算每一个初始化烟花弹的适应度值和本次迭代过程中烟花弹爆炸的参考半径r(t)，其中，适应度值的计算公式为：

$f\left(x_i\right)=\underset{k=1}{\overset{K}{\Σ}}\frac{sigmoid(r_k-r_{k,min})}{p_k},i=1,...,N,$ 其中：

x_i是一个M维的实向量，表示第i个烟花弹的位置；f(x_i)表示第i个烟花弹的适应度值；k表示用户编号；K为小区内的用户总数；r_k为用户k获得的传输速率；r_k,min为用户k需要满足的最小速率；p_k为第k个用户分得的功率；

最大半径 $r\left(t\right)={\left(\frac{T-t}{T}\right)}^5(r_{initial}-r_{end})+r_{end},$ 初始化t＝1，

其中：r(t)为迭代次数为t时的参考爆炸半径；T为最大迭代次数，r_initial和r_end为常量，r_initial为初始参考爆炸半径，r_end为迭代终止时的参考爆炸半径；

(23)、对N个烟花弹进行爆炸操作，得到最佳的RB分配方案；

(3)基站根据(2)得到的最佳的RB分配方案，对每个RB上的功率进行重分配：

(31)设置算法参数T，N，r_initial、r_end，m，其中T为迭代次数，N为烟花弹数，m为每次爆炸新产生的烟花弹数目，r_initial为初始的烟花弹爆炸参考半径，r_end为最后一次迭代时烟花弹爆炸的参考半径；

(32)在M维搜索空间内随机初始化N个烟花弹，计算N个烟花弹的适应度值f(x_i)和本次迭代过程中烟花弹爆炸的参考半径r(t),

适应度值 $f\left(x_1\right)=\underset{k=1}{\overset{K}{\Σ}}\frac{sigmoid(r_k-r_{k,min})}{p_k},$ 其中：

x_i是一个M维向量，i＝1,...m，f(x_i)表示第i个烟花弹的适应度值；k表示的是用户编号；K为小区内的用户总数；p_k为第k个用户分得的功率,a＝-10,b＝0；

$r\left(t\right)={\left(\frac{T-t}{T}\right)}^5(r_{initial}-r_{end})+r_{end},$ 初始化时t＝1，

其中：r(t)为迭代次数为t时的参考爆炸半径，T为最大迭代次数，r_initial和r_end为常量，r_initial为是初始参考爆炸半径，r_end为迭代终止时的参考爆炸半径；

(33)对N个烟花弹进行爆炸操作，

(34)产生下一代的烟花弹，保证每一代的烟花弹总数相等

(341)计算新的m个烟花弹的适应度值，从所有的N+m个烟花弹中挑选出适应度值最优的个烟花弹；

(342)从剩下的个烟花弹中随机选取个烟花弹；

(35)若当前迭代数t＜最大迭代数T，则返回步骤(33)，否则迭代结束，得到每个RB上的最佳功率分配方案，

(4)、循环重复执行(2)～(3)直到适应度值不再变化或者小于设置的最小精度为止。

2.根据权利要求1所述的一种LTE无线资源分配方法，其特征在于，步骤(23)包括以下步骤：

(231)、根据N个烟花弹的适应度值，其各自爆炸产生的新烟花的数目为：

$m_i=round(m*\frac{f\left(x_i\right)-y_{min}}{\underset{n=1}{\overset{N}{\Σ}}\left(f\right(x_i)-y_{min})})$

其中：x_i是一个M维的实向量，表示第i个烟花弹的位置；f(x_i)表示第i个烟花弹的适应度值；m_i为第i个烟花弹爆炸产生的新烟花弹的数目；y_min为N个烟花弹的适应度值中的最小值；round为一个四舍五入取整函数；

(232)根据N个烟花弹的适应度值,其各自产生的烟花弹的最大爆炸半径为：

$r_i\left(t\right)=r\left(t\right)*\frac{y_{max}-f\left(x_i\right)}{\underset{n=1}{\overset{N}{\Σ}}(y_{max}-f(x_i\left)\right)}$

其中：r_i(t)为迭代次数为t时第i个烟花弹的实际爆炸半径，r(t)为迭代次数为t时的参考爆炸半径；y_max为N个烟花弹的适应度值中的最大值，f(x_i)表示的是第i个烟花弹的适应度值；

(233)计算新产生的m个烟花弹位置：

$x_i^k=round(x_i+(2*rand\left(1,M\right)-1)*r_i(t\left)\right)$

其中：为第i个烟花弹爆炸产生的第k个烟花弹，设x_i＝(x₁,x₂,...,x_M)，rand(1,M)产生一个M维向量，每个元素在0到1之间取值，(2*rand(1,M)-1)则产生一个所有元素在(-1,1)取值的M维向量；r_i(t)为当前迭代的爆炸半径；

若的第j维元素超出了最大用户序号K，则利用 $x_i^{k,j}=round(x_{min}+x_i^{k,j}\%(x_{max}-x_{min}\left)\right)$ 重新映射回限制以内,为中超出限制的元素，x_max＝K，x_min＝1，％为取余符号，round表示取整函数，

(234)产生下一代的烟花弹，保证每一代的烟花弹总数相等，

(235)若当前迭代数t＜最大迭代数T，则返回步骤(231)，否则迭代结束，得到最佳的RB分配方案。

3.根据权利要求2所述的一种LTE无线资源分配方法，其特征在于，步骤(234)包括以下步骤

(2341)计算新的m个烟花弹的适应度值 $f\left(x_i\right)=\underset{k=1}{\overset{K}{\Σ}}\frac{sigmoid(r_k-r_{k,min})}{p_k},i=1,...,m,$

其中：x_i为新产生的m个烟花弹(位置)；f(x_i)表示的是第i个烟花弹的适应度值；k表示用户编号；K为小区内的用户总数；p_k为第k个用户分得的功率；其中a＝-10,b＝0；

再从所有的(N+m)个烟花弹中挑选出适应度值最优的个烟花弹；

(2342)从剩下的个烟花弹中随机选取个烟花弹。

4.根据权利要求1所述的一种LTE无线资源分配方法，其特征在于，步骤(33)包括以下步骤：

(331)根据当前N个烟花弹的适应度值计算各个烟花弹的各自爆炸产生的新烟花的数目为：

$m_i=round(m*\frac{f\left(x_i\right)-y_{min}}{\underset{n=1}{\overset{N}{\Σ}}\left(f\right(x_i)-y_{min})})$

其中：x_i是一个M维的实向量，表示第i个烟花弹的位置；f(x_i)表示第i个烟花弹的适应度值；m_i即为第i个烟花弹爆炸产生的新烟花弹的数目；y_min为N个烟花弹的适应度值中的最小值；round函数为一个四舍五入取整函数；

(332)根据当前N个烟花弹的适应度值计算各个烟花弹各自产生的烟花弹的最大爆炸半径为：

$r_i\left(t\right)=r\left(t\right)*\frac{y_{max}-f\left(x_i\right)}{\underset{n=1}{\overset{N}{\Σ}}(y_{max}-f(x_i\left)\right)},$ 其中：

r_i(t)为迭代次数为t时第i个烟花弹的实际爆炸半径，r(t)为迭代次数为t时的参考爆炸半径；y_max为N个烟花弹的适应度值中的最大值，f(x_i)表示第i个烟花弹的适应度值；

(333)新产生的m个烟花弹位置：

$x_i^k=x_i+(2*rand(1,M)-1)*r_i\left(t\right)$ 其中：

为第i个烟花弹爆炸产生的第k个烟花弹，设x_i＝(x₁,x₂,...,x_M)，rand(1,M)产生一个M维向量，每个元素在0到1之间取值，(2*rand(1,M)-1)则产生一个所有元素在(-1,1)取值的M维向量；r_i(t)为当前迭代的爆炸半径；

若的第j维元素超出了限制每个RB所能分得的最大功率P_max，则利用重新映射回限制以内,为中超出限制的元素，x_max＝P_max，x_min＝0。