CN107784362A - 一种改进的td‑scdma系统的分布式遗传算法 - Google Patents

Abstract

本发明涉及一种改进的TD‑SCDMA系统的分布式遗传算法，基于分布式遗传算法，建立TD‑SCDMA系统算法模型；产生初始种群，并确定自适应度函数；基于个体相似度交叉算子，对种群进行交叉计算，得出交叉后的自适应度函数值；基于模拟退火算法，对种群进行变异计算，得出变异后的自适应度函数值。本发明从全局出发，综合考虑一个无线网络控制器中的所有小区，利用分布式遗传算法高效的全局搜索能力、良好的种群多样性和寻优能力，并与模拟退火算法相结合，不仅可以迅速找到满意的上下行时隙分配方案，而且能有效的提高系统容量。

Description

一种改进的TD-SCDMA系统的分布式遗传算法

技术领域

本发明涉及遗传算法领域，具体地说是一种改进的TD-SCDMA系统的分布式遗传算法。

背景技术

TD-SCDMA系统中交叉时隙干扰的存在，会造成系统容量的损失。针对TD-SCDMA系统中上下行时隙分配问题已进行了大量研究，包括时隙反转技术、热点小区算法等，这些算法虽然一定程度上减小了交叉时隙干扰，但仅考虑当前小区或相邻的几个小区，没有从TD-SCDMA系统全局出发。

发明内容

针对现有技术的不足，本发明提供一种改进的TD-SCDMA系统的分布式遗传算法从全局出发，综合考虑一个无线网络控制器中的所有小区，利用分布式遗传算法高效的全局搜索能力、良好的种群多样性和寻优能力，并与模拟退火算法相结合，不仅可以迅速找到满意的上下行时隙分配方案，而且能有效的提高系统容量。

本发明为实现上述目的所采用的技术方案是：

一种改进的TD-SCDMA系统的分布式遗传算法，包括以下步骤：

步骤1：基于分布式遗传算法，建立TD-SCDMA系统算法模型；

步骤2：产生初始种群，并确定自适应度函数，得出种群的自适应度函数值；

步骤3：如果种群的自适应度函数值满足结束条件，则得出最佳时隙配比方案；否则执行步骤4；

步骤4：基于个体相似度交叉算子，对种群进行交叉计算，得出交叉后的自适应度函数值；

步骤5：如果交叉后的自适应度函数值满足结束条件，则得出最佳时隙配比方案；否则执行步骤6；

步骤6：基于模拟退火算法，对种群进行变异计算，得出变异后的自适应度函数值；返回步骤3进行迭代。

所述TD-SCDMA系统算法模型包括每个小区的上下行时隙配比、小区数和系统容量；其中，

每个小区的上下行时隙配比s_j相当于分布式遗传算法中的基因，小区数N相当于分布式遗传算法中的染色体，系统容量相当于分布式遗传算法中的自适应度函数；

N个小区的上下行时隙配比表示一个个体，即S_i＝(s₁，s₂，…，s_N)，M个个体构成种群S_j，即S_j＝(S₁，S₂，……，S_M)，其中，i是1到N间的整数，j是1到M间的整数。

所述初始种群包括种群Ⅰ、种群Ⅱ、种群Ⅲ、种群Ⅳ；

其中，种群Ⅱ为探索种群，用于提高种群多样性；种群Ⅲ为利用种群，用于保证优秀个体不被破坏；种群Ⅳ用于综合考虑探索和利用；种群Ⅰ用于存放种群Ⅱ,种群Ⅲ和种群Ⅳ在迭代过程中得到的优秀个体，不进行任何遗传操作；

所述种群Ⅱ、种群Ⅲ、种群Ⅳ的交叉概率P_c和变异概率P_m的关系为种群Ⅱ＞种群Ⅳ＞种群Ⅲ。

所述确定自适应度函数包括以下过程：

步骤1：多小区系统中，当背景噪声趋于无穷大时，计算小区的上下行容量C_up和C_down：

其中，f_L为上行小区外干扰，f′_L为下行小区比率，β为多用户检测因子，α为正交因子，k为用户信噪比与业务激活因子的乘积；

步骤2：小区下行容量C_down受限时，任意小区i的归一化容量为：

小区上行容量C_up受限制时，任意小区i归一化容量为：

系统容量总和为：

total＝w C

其中，N为小区总数，R为业务不对称因子，w_i为权重系数；

步骤3：业务量大的小区具有较大的权重系数，根据小区i业务量Y_i确定权重系数w_i为：

步骤4：以total最大为优化标准，自适应度函数为：

fx＝total＝w C

其中，total为系统容量总和，f(x)为自适应度函数，N为小区总数，w_i为权重系数，C_i为任意小区i的归一化容量。

所述结束条件为自适应度函数值达到期望值和/或迭代次数达到最大值。

交叉计算过程为：

步骤1：首先选择种群中自适应度值最高的个体S_i，然后把S_i与其他个体S_j同一行上的基因分别进行异或操作，即：

a_k＝s_ks_l

其中，s_k和s_l分别是S_i和S_j上的等位基因，j＝1，2，……，M，i≠j；l＝k＝1，2，……，N；a_k为异或结果；

步骤2：用b_j表示个体S_i与个体S_j中相同等位基因的个数；当s_k与s_l相同时，a_k为零，b_j保持不变；否则a_k为1，b_j加1；

其中，b_j越大，两个个体差异越大；反之，差异越小；

步骤3：种群Ⅱ选择种群Ⅱ中相同等位基因的个数最大的个体与S_i进行交叉操作，并采用多点交叉的方式；

种群Ⅲ选择种群Ⅲ中相同等位基因的个数最小的个体与S_i进行交叉操作，并采用单点交叉方式；

种群Ⅳ按照每个个体的自适应度值赋予每个个体相应的交叉概率，并根据该交叉概率进行相应操作。

根据不同业务类型设置迭代次数门限值，如果迭代次数达到门限值，则用种群Ⅰ代替种群Ⅳ。

所述模拟退火算法为：

设变异后新个体为x’，变异后新个体的自适应度值为f(x’)，原个体为x，变异前个体自适应度值为f(x)，比较f(x’)和f(x)；

种群Ⅲ保留f(x’)和f(x)中自适应度值高的个体；

种群Ⅱ和种群Ⅳ以概率p接受新个体：

其中，T_g为温度衰减函数，p为接受新个体的概率，f(x)为变异前个体的自适应度值，f(x’)为变异后新个体的自适应度值。

所述温度衰减函数T_g为：

T＝T

其中，T_g为温度衰减函数，T₀为初始温度，g为进化代数，λ为退火系数，且0<λ<1。

本发明具有以下有益效果及优点：

1.本发明采用基于种群相似度的交叉算子，各子种群采用不同的交叉变异算子，既可以保证种群的多样性，还可以保证种群中优秀的个体不被破坏，同时算法以较快的速度收敛；

2.本发明利用改进的分布式遗传算法与模拟退火算法相结合，可以迅速找到满意的上下行时隙分配方案，而且能有效的提高系统容量；

3.本发明提出改进的分布式遗传算法不仅能改善TD-SCDMA系统的容量，而且能避免标准遗传算法中“早熟”现象的发生，从而得到质量更优的解。

附图说明

图1是本发明的方法流程图；

图2是本发明的单时隙期望业务量对IDGA算法、无交叉时隙算法和SGA算法的系统容量影响仿真图；

图3是本发明的小区数对SGA算法计算时间和IDGA算法计算时间的影响仿真图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

如图1所示是本发明的方法流程图。

1、模型建立：

TD-SCDMA系统的帧周期为10ms，分成2个5ms的子帧。每个子帧又分成7个常规时隙和3个特殊时隙：DwPTS(下行导频时隙)，UpPTS(上行导频时隙)，GP(保护间隔)。在7个常规时隙中，时隙0总是分配给下行，时隙1总是分配给上行。由于一些带有公共控制信息的信道都在时隙0中，因此仅将其余6个时隙上的信道视为业务信道。

一般来说，TD-SCDMA系统中下行业务量大于上行业务量，因此，本发明只考虑下行业务量大于等于上行业务量的情况。设小区总数为N，存在交叉时隙时，TD-SCDMA系统中每个小区的上下行时隙比例可能为1:5，2:4，3:3，把任意小区j的上下行时隙比例s_j定义为一个基因，那么N个小区的每一组(s₁，s₂……，s_N)的取值组合都对应一种时隙划分方案，也就是一个个体，任意个体i可以表示为S_i＝(s₁，s₂……，s_N)，M个体就构成了种群S_j，即S_j＝(S₁，S₂，……，S_M)。其中，i是1到N间的整数，j是1到M间的整数。这里，我们采用十进制数编码，上下行时隙比例1:5，2:4，3:3分别用0，1，2表示，即每位基因s_j可以编码为0，1，2中的任意一个。

2、改进的分布式遗传算法IDGA：

2.1自适应度函数的确定

多小区系统中，当背景噪声趋于无穷大时，小区的上下行容量C_up和C_down分别为：

其中，f_L、f_L分别为上行、下行小区外干扰与小区比率，β为多用户检测因子，α为正交因子，k为用户信噪比与业务激活因子的乘积。

小区下行容量受限时，任意小区i的归一化容量为：

上行容量受限制时，任意小区i归一化容量为：

在以上公式的基础上，我们可以得到系统容量总和：

total＝Σ w C (2-5)

其中，N为小区时隙总数，R为业务不对称因子，w_i为权重系数，业务量大的小区应具有较大的权重系数，因此可根据小区i业务量Y_i确定权重系数，w_i为：

综合考察系统内所有小区，以total最大为优化标准，所以自适应度函数为：

fx＝total＝∑ w C (2-7)

2.2基于个体相似度的交叉算子

首先选择种群中自适应度值最高的个体S_i，然后把S_i与其他个体S_j(j＝1，2，……，M，i≠j)同一行上的基因分别进行异或操作，即：

a_k＝s_ks_l l＝k＝1，2，……，N(2-8)

其中，s_k和s_l分别是S_i和S_j上的等位基因，并用b_j表示个体S_i与个体S_j中相同等位基因的个数。当s_k与s_l相同时，a_k为零，b_j保持不变；否则a_k为一，b_j加一。b_j越大，两个个体差异越大；反之，差异越小。

种群Ⅱ选择b_j大的个体S_j与S_i进行交叉操作，并采用多点交叉的方式，以保持种群多样性；种群Ⅲ则选择b_j值小的个体S_j与S_i进行交叉操作，并采用单点交叉方式，以保证种群中优良个体不被破坏；种群Ⅳ采用单点交叉，按照自适应度值赋予每个个体一个交叉概率，个体的自适应度值越大，被选择进行交叉操作的概率也就越大。

2.3变异

本发明采用单点变异，设变异后新个体为x’，原个体为x，自适应度值分别为f(x’)和f(x)。比较f(x’)和f(x)，种群Ⅲ保留自适应度值较高者，种群Ⅱ和种群Ⅳ按照模拟退火算法以概率p接受新个体，p为：

T_g为温度，温度衰减函数如下:

T＝T (2-10)

其中T₀为初始温度，g为进化代数，λ为退火系数，0<λ<1。遗传算法进化初期，即g较小时，模拟退火能够接受大部分新个体以扩大取值空间，随着g增加，T_g逐渐减小，从而接受比期望目标函数值低的新个体的概率减少，这样不仅保持了种群的多样性，而且增强了遗传算法的爬山能力。

3、仿真分析

本发明采用Matlab进行仿真。算法的参数设置为：每个子种群大小为20，染色体长度为200(即一个RNC中有200个小区)，子种群迭代次数为60，最大迭代次数为600。设P_c和P_m分别为交叉变异概率，种群Ⅱ中P_c＝0.95，P_m＝0.05；种群Ⅲ中P_c＝0.65，P_m＝0.003；种群Ⅳ中P_c＝0.8，P_m＝0.01。模拟退火参数设置为：T₀＝100，λ＝0.98。

TD-SCDMA系统中参数设置为：小区的上下行业务比例为区间(1，5)上均匀分布的随机数，小区的期望业务量为区间(0，6)上均匀分布的随机数，多用户检测因子β＝0.75，正交因子α＝0.9，k由给定的用户信噪比和业务因子确定为0.1125，得到的仿真结果如图2、图3。

图2为本发明的单时隙期望业务量对IDGA算法、无交叉时隙算法和SGA算法的系统容量影响仿真图。

横坐标的0、1、2、3、4、5分别表示小区的期望业务量为服从(0，1)、(1，2)、(2，3)、(3，4)、(4，5)、(5，6)上均匀分布的随机数。可以看出，当业务量轻时，三种算法对系统容量影响区别不大，因为业务量轻时，业务对时隙资源需求较少，即使时隙分配不合理也较少出现单边受限的情况；但随着业务量增加，特别是业务量大于4后，无交叉时隙算法由于存在较大的交叉时隙干扰而造成系统性能下降，交叉时隙算法对系统容量有明显改善。由于IDGA算法能更好的保持种群多样性，避免“早熟”现象发生，对系统容量的改善优于SGA算法。

图3是本发明的小区数对SGA算法计算时间和IDGA算法计算时间的影响仿真图。

从图3中可以看出，随着小区数量的增加，IDGA的计算时间少于SGA。

通过仿真表明，IDGA算法不仅改善了TD-SCDMA系统的容量，而且缩短了计算时间，较好的保持了种群多样性。

Claims (10)

1.一种改进的TD-SCDMA系统的分布式遗传算法，其特征在于，包括以下步骤：

步骤1：基于分布式遗传算法，建立TD-SCDMA系统算法模型；

步骤2：产生初始种群，并确定自适应度函数，得出种群的自适应度函数值；

步骤3：如果种群的自适应度函数值满足结束条件，则得出最佳时隙配比方案；否则执行步骤4；

步骤4：基于个体相似度交叉算子，对种群进行交叉计算，得出交叉后的自适应度函数值；

步骤5：如果交叉后的自适应度函数值满足结束条件，则得出最佳时隙配比方案；否则执行步骤6；

步骤6：基于模拟退火算法，对种群进行变异计算，得出变异后的自适应度函数值；返回步骤3进行迭代。

2.根据权利要求1所述的改进的TD-SCDMA系统的分布式遗传算法，其特征在于：所述TD-SCDMA系统算法模型包括每个小区的上下行时隙配比、小区数和系统容量；其中，

每个小区的上下行时隙配比s_j相当于分布式遗传算法中的基因，小区数N相当于分布式遗传算法中的染色体，系统容量相当于分布式遗传算法中的自适应度函数；

N个小区的上下行时隙配比表示一个个体，即S_i＝(s₁，s₂，…，s_N)，M个个体构成种群S_j，即S_j＝(S₁，S₂，……，S_M)，其中，i是1到N间的整数，j是1到M间的整数。

3.根据权利要求1所述的改进的TD-SCDMA系统的分布式遗传算法，其特征在于：所述初始种群包括种群Ⅰ、种群Ⅱ、种群Ⅲ、种群Ⅳ；

其中，种群Ⅱ为探索种群，用于提高种群多样性；种群Ⅲ为利用种群，用于保证优秀个体不被破坏；种群Ⅳ用于综合考虑探索和利用；种群Ⅰ用于存放 种群Ⅱ,种群Ⅲ和种群Ⅳ在迭代过程中得到的优秀个体，不进行任何遗传操作。

4.根据权利要求3所述的改进的TD-SCDMA系统的分布式遗传算法，其特征在于：所述种群Ⅱ、种群Ⅲ、种群Ⅳ的交叉概率P_c和变异概率P_m的关系为种群Ⅱ＞种群Ⅳ＞种群Ⅲ。

5.根据权利要求1所述的改进的TD-SCDMA系统的分布式遗传算法，其特征在于：所述确定自适应度函数包括以下过程：

步骤1：多小区系统中，当背景噪声趋于无穷大时，计算小区的上下行容量C_up和C_down：

其中，f_L为上行小区外干扰，f′_L为下行小区比率，β为多用户检测因子，α为正交因子，k为用户信噪比与业务激活因子的乘积；

步骤2：小区下行容量C_down受限时，任意小区i的归一化容量为：

小区上行容量C_up受限制时，任意小区i归一化容量为：

系统容量总和为：

total＝wC

其中，N为小区总数，R为业务不对称因子，w_i为权重系数；

步骤3：业务量大的小区具有较大的权重系数，根据小区i业务量Y_i确定权重系数w_i为：

步骤4：以total最大为优化标准，自适应度函数为：

fx＝total＝wC

其中，total为系统容量总和，f(x)为自适应度函数，N为小区总数，w_i为权重系数，C_i为任意小区i的归一化容量。

6.根据权利要求1所述的改进的TD-SCDMA系统的分布式遗传算法，其特征在于：所述结束条件为自适应度函数值达到期望值和/或迭代次数达到最大值。

7.根据权利要求1所述的改进的TD-SCDMA系统的分布式遗传算法，其特征在于，交叉计算过程为：

步骤1：首先选择种群中自适应度值最高的个体S_i，然后把S_i与其他个体S_j同一行上的基因分别进行异或操作，即：

a_k＝s_ks_l

其中，s_k和s_l分别是S_i和S_j上的等位基因，j＝1，2，……，M，i≠j；l＝k＝1，2，……，N；a_k为异或结果；

步骤2：用b_j表示个体S_i与个体S_j中相同等位基因的个数；当s_k与s_l相同时，a_k为零，b_j保持不变；否则a_k为1，b_j加1；

其中，b_j越大，两个个体差异越大；反之，差异越小；

步骤3：种群Ⅱ选择种群Ⅱ中相同等位基因的个数最大的个体与S_i进行交叉操作，并采用多点交叉的方式；

种群Ⅲ选择种群Ⅲ中相同等位基因的个数最小的个体与S_i进行交叉操作，并采用单点交叉方式；

种群Ⅳ按照每个个体的自适应度值赋予每个个体相应的交叉概率，并根据该交叉概率进行相应操作。

8.根据权利要求1所述的改进的TD-SCDMA系统的分布式遗传算法，其特征 在于：根据不同业务类型设置迭代次数门限值，如果迭代次数达到门限值，则用种群Ⅰ代替种群Ⅳ。

9.根据权利要求1所述的改进的TD-SCDMA系统的分布式遗传算法，其特征在于：所述模拟退火算法为：

设变异后新个体为x’，变异后新个体的自适应度值为f(x’)，原个体为x，变异前个体自适应度值为f(x)，比较f(x’)和f(x)；

种群Ⅲ保留f(x’)和f(x)中自适应度值高的个体；

种群Ⅱ和种群Ⅳ以概率p接受新个体：

其中，T_g为温度衰减函数，p为接受新个体的概率，f(x)为变异前个体的自适应度值，f(x’)为变异后新个体的自适应度值。

10.根据权利要求9所述的改进的TD-SCDMA系统的分布式遗传算法，其特征在于，所述温度衰减函数T_g为：

T＝T

其中，T_g为温度衰减函数，T₀为初始温度，g为进化代数，λ为退火系数，且0<λ<1。