CN108882269A - 结合缓存技术的超密集网络小站开关方法 - Google Patents

Abstract

本发明提供一种结合缓存技术的超密集网络小站开关方法，所述方法包括以下步骤：步骤1：采集网络信息：运营商测量出区域面积内宏站和小站总数目，分别记为N_m和N_s，从而得到该区域内宏站和小站的分布密度λ_m和λ_s；步骤2：从S₁(t)(S₁(t)∈Ω)开始，遍历基站状态集合Ω中所有可能的基站状态，遍历次数为步骤3：根据公式(10)和(11)分别计算时刻t小站k的负载率ρ_k(t)，平均负载效率步骤4：更新时刻t＝t+1，更新队长；执行步骤2‑3。步骤5：当t＝T+1退出迭代过程；步骤6：计算第n次遍历搜索时，在状态集合S_n下的成本函数；步骤7：更新基站状态集合S_n＝S_n+1，执行步骤2‑6；步骤8：当遍历搜索结束；步骤9：对于所有的成本函数值根据公式计算n^*；步骤10：根据得到的最优基站状态对所有小站执行开关决策。

Description

结合缓存技术的超密集网络小站开关方法

技术领域

本发明属于无线通信技术领域，具体涉及无线通信系统中一种结合缓存技术的超密集网络小站开关方法。

背景技术

5G(the fifth generation)网络中移动通信量爆发式增长，给移动网络运营商带来极大的挑战，为了满足未来移动数据需求，极大提升系统容量和用户体验质量，在传统大功率宏站的覆盖区域尤其是高业务量热点区域内部署超密集低功率小站可以获得巨大的吞吐量增益。但是，超密集异构网络中不断增加的基站数目，必然会消耗更多的功率能量，在无线网络能耗组成中，基站能耗所占比例最大，占总能耗的80％，因此如何降低无线网络基站能耗成为降低无线网能耗的关键所在，尤其是在超密集网络场景中，一种有效的节能技术是根据用户的业务执行基站开关策略来降低系统能耗，然而，基站开关策略使得系统能耗减少的同时也会影响用户的时延特性，为了保证用户的服务质量，同时降低系统的能耗，要按照精心设计的开关策略来选择要关闭的基站，此外，在无线网络中引入主动预测并进行内容提前部署的缓存技术，可以大大提高应对流量激增所带来的网络压力，提升资源利用率，减少用户时延，提升用户体验。

现有的基站开关技术基于用户业务感知或是信道状态来选择要关闭的基站，而没有将业务状态和信道信息结合起来，而且以减少能耗或时延为目的，没有考虑时延和能耗的权衡问题，导致现有的开关策略难以适用于实际的超密集异构网络。因此，迫切的需要一种新的方案解决该技术问题。

发明内容

本发明提出了一种结合缓存技术的超密集网络小站开关方法，将系统能耗和时延权衡问题描述为最小化系统成本函数问题，在用户业务和信道状态动态变化的情况下，制定了动态的基站开关策略。

本发明考虑超密集异构网络，小站有缓存和开关策略，用户有专用用户和非专用用户两种类型。专用用户只能由小站来服务，而非专用用户可以由宏站服务，也可由小站来服务。因为小站可以为用户提供高质量的传输服务，而且由于小站有缓存，也可以大大减少用户的时延，所以非专用用户都希望能够由小站来为其服务。但是为了减少系统能耗，需要根据动态业务状态让部分小站处于关闭状态，所以非专用用户是否能够由小站来服务，取决于小站的状态和缓存策略。

两种用户的业务模型均满足泊松到达过程，首先根据M/G/1排队模型分析专用用户和非专用用户排队的平均队长和平均传输速率。而用户的时延大小取决于排队系统的队长和传输速率，要保证用户的时延性能，必须保证各队列是稳态队列，即稳态条件下，队长是有限队长。现有的基站开关技术基于用户业务感知或是信道状态来选择要关闭的基站。而系统中用户时延不仅与业务量有关，也与信道状态有关。业务量越大用户排队等待的时间越长，同时，用户与基站之间的信道状态越好，用户传输时延越小。

本方法同时考虑用户业务和信道状态，通过Lyapunov稳定理论，将能耗和时延权衡问题描述为最小成本函数问题。其次，遍历所有可能的基站状态，根据最优基站状态，执行开关方案，使得用户服务质量得以保证的条件下最小化系统能耗。

为了达到上述目的，本发明提供如下技术方案：

一种结合缓存技术的超密集网络小站开关方法，包括如下步骤：

步骤1：采集网络信息：运营商测量出区域面积内宏站和小站总数目，分别记为N_m和N_s，从而得到该区域内宏站和小站的分布密度λ_m和λ_s。专用用户和非专用用户业务到达均满足独立泊松过程，运营商统计一段时间(可根据情况设定时间长短)内用户业务到达情况得出专用用户和非专用用户业务到达率λ_D，λ_U。假设专用用户和非专用用户数据文件的平均比特大小均分别为L_D和L_U。通过运营商得到部署在该区域内小站带宽W_s、宏站带宽W_m、宏站传输功率P_mt、小站传输功率P_st。运营商记录每个小站关闭状态的平均能耗P_S，宏站和小站静态链路的能耗P_m0和P_s0，宏站回程链路的能耗P_mb。宏站和小站的负载相关的能耗因子Δp_m和Δp_s、权重因子V、时间间隔t、时长T取值由运营商根据网络运行情况自行确定。所有宏站全部处于激活状态。

每个小站都有各自的专用用户，专用用户的数据请求文件都存储在各自的小站内。非专用用户的所有的数据请求文件集合为C_f＝{f₁,f₂，…,f_C}。数据中心包含非专用用户所有的数据请求文件，宏站可以通过回程链路获取非专用用户所需的数据内容。小站有缓存空间，可以为非专用用户缓存部分文件内容。采用最受欢迎内容缓存策略，即根据用户的喜爱和流行程度，将前C_N个最受欢迎的文件内容缓存在小站。第i个最受欢迎的数据内容记为f_i，C表示数据库C_f的大小。假设数据内容的流行度服从Zipf分布，即第i个最受欢迎的数据内容f_i的请求概率为

这里σ是Zipf定律的形态参数，反应流行分布。

运营商根据小站的缓存容量大小，确定每个小站可以缓存的非专用用户数据文件个数，但是要消耗一定的缓存能量，小站的缓存能效为ω_cs(joules/bit)。

假设小站k可以为非专用用户缓存的数据文件个数是C_k，一个非专用用户的请求数据内容包含在小站缓存容量内的概率定义为p_k，则有

小站的状态集合记为其中s_k∈{0，1}，s_k＝1表示小站k处于激活状态，s_k＝0表示小站k处于关闭状态。表示所有可能的小站状态集，其中 表示最优基站状态。

在基站状态S_n下，当前时刻t小站k专用用户服务的队长为Q_k(t)，平均队长(1≤k≤N_s)由下式得到，

当前时刻t宏站j为非专用用户服务的队长G_j(t)，平均队长由下式得到，

在时间间隔(t-1，t]内请求小站k服务的专用用户和接受服务的非专用用户数目为A_k(t),(1≤k≤N_s)，其平均值(1≤k≤N_s)由下式得到，

在时间间隔(t-1，t]内请求宏站j服务的非专用用户数目M_j(t),(1≤j≤N_m)，平均请求服务的非专用用户数(1≤j≤N_m)由下式得到，

t时刻小站k的传输速率R_k(t),平均传输速率(1≤k≤N_s)由下式得到，

t时刻宏站j的传输速率r_j(t),平均传输速率(1≤j≤N_m)由下式得到

t时刻在基站状态S_n下系统能耗平均能耗由下式得到

t时刻在基站状态S_n下小站k系统效率，即负载率为

小站k平均负载率为

这里表示t时刻小站k为非专用用户服务的概率，由下式得到

t时刻在基站状态S_n下宏站j的负载率为，

宏站j平均负载率为

且有Q_k(0)＝0，G_j(0)＝0，A_k(0)＝0，M_j(0)＝0，R_k(0)＝0， r_j(0)＝0，ρ_k(0)＝0，ξ_j(0)＝0，这里1≤k≤N_s，1≤j≤N_m。

步骤2：从S₁(t)(S₁(t)∈Ω)开始，遍历基站状态集合Ω中所有可能的基站状态，遍历次数为第n次遍历搜索中，统计在该基站状态S_n下，当前时刻t小站k为专用用户服务的队长Q_k(t)，根据公式(3)计算平均队长统计宏站j为非专用用户服务的队长G_j(t)，根据公式(4)计算平均队长计算在时间间隔(t-1，t]内请求小站k服务的专用用户数目和接受服务的非专用用户数A_k(t),(1≤k≤N_s)，请求宏站j服务的非专用用户数目M_j(t),(1≤j≤N_m)，根据公式(5)和(6)分别计算小站平均请求服务的专用用户和接受服务的非专用用户数宏站平均请求服务的非专用用户数

根据信道状态信息，由香农公式，计算当前时刻t小站k的传输速率R_k(t)，宏站j的传输速率r_j(t)。根据公式(7)和(8)分别计算小站平均传输速率和宏站平均传输速率

步骤3：根据公式(10)和(11)分别计算时刻t小站k的负载率ρ_k(t)，平均负载效率由公式(13)和(14)分别计算时刻t宏站j的负载率ξ_j(t)，平均负载率

根据公式(12)计算接入小站的非专用用户的概率p_S。

计算t时刻在基站状态S_n下系统能耗

P_m0是宏站静态链路的能耗，宏站回程链路的能耗是P_mb，Δp_m表示负载相关的能耗因子，P_mt为宏站传输功率。

s_nk表示在基站状态集S_n下小站k的开关状态，P_S是小站处于关闭状态的能耗，P_s0是小站激活状态静态链路的能耗，Δp_s表示负载相关的能耗因子，P_st为小站传输功率。C_N是小站缓存非专用用户数据文件大小，小站的缓存能效为ω_cs。

步骤4：更新时刻t＝t+1，更新队长

Q_k(t+1)＝max{Q_k(t)-R_k(t),0}+A_k(t)(18)；

G_j(t+1)＝max{G_j(t)-r_j(t),0}+M_j(t)(19)；执行步骤2-3。

步骤5：当t＝T+1退出迭代过程。

步骤6：计算第n次遍历搜索时，在状态集合S_n下的成本函数

这里，V是权重因子，其取值由运营商自行确定。

(21)；

步骤7：更新基站状态集合S_n＝S_n+1，执行步骤2-6。

步骤8：当遍历搜索结束。

步骤9：对于所有的成本函数值根据以下公式

计算n^*，得到最优基站状态

步骤10：根据得到的最优基站状态对所有小站执行开关决策。对于任意的小站k，1≤k≤N_s，如果则小站k保持激活状态；反之，若则关闭小站k。

相对于现有技术，本发明的优点如下：1)该技术方案通过采集数据业务量和信道状态信息，结合基站缓存策略，执行基站开关策略，能很好地适用于实际系统，且能带来比传统方法更好的性能增益，在保证用户时延特性的条件下显著降低系统能耗；2)该方法从能耗和时延权衡的角度出发，将能耗和时延权衡问题对应到最小化系统成本函数问题；3)该技术方案的运营商可以根据节能和用户服务质量的相对重要性，选择权衡因子，从而确定基站开关状态；本发明，针对超密集异构网络提出的基站开关方法，与已有业务感知和信道感知基站开关方案相比，能充分利用小站业务变化和信道信息，选择要关闭的基站集合，灵活控制系统节能和用户服务质量之间的权衡问题，在保证用户时延迟的条件下，可显著降低系统能耗。

附图说明

图1为本发明提供的结合缓存技术的超密集网络小站开关方法流程图。

具体实施方式

为了加深对本发明的认识和理解，下面结合附图进一步介绍该发明。

实施例1：本发明提供的结合缓存技术的超密集网络小站开关方法，如图1所示，包括如下步骤：

步骤1：采集网络信息：运营商测量出区域面积内宏站和小站总数目，分别记为N_m和N_s，从而得到该区域内宏站和小站的分布密度λ_m和λ_s。专用用户和非专用用户业务到达均满足独立泊松过程，运营商统计一段时间(可根据情况设定时间长短)内用户业务到达情况得出专用用户和非专用用户业务到达率λ_D，λ_U。假设专用用户和非专用用户数据文件的平均比特大小均分别为L_D和L_U。通过运营商得到部署在该区域内小站带宽W_s、宏站带宽W_m、宏站传输功率P_mt、小站传输功率P_st。运营商记录每个小站关闭状态的平均能耗P_S，宏站和小站静态链路的能耗P_m0和P_s0，宏站回程链路的能耗P_mb。宏站和小站的负载相关的能耗因子Δp_m和Δp_s、权重因子V、时间间隔t、时长T取值由运营商根据网络运行情况自行确定。所有宏站全部处于激活状态。

每个小站都有各自的专用用户，专用用户的数据请求文件都存储在各自的小站内。非专用用户的所有的数据请求文件集合为C_f＝{f₁,f₂，…,f_C}。数据中心包含非专用用户所有的数据请求文件，宏站可以通过回程链路获取非专用用户所需的数据内容。小站有缓存空间，可以为非专用用户缓存部分文件内容。采用最受欢迎内容缓存策略，即根据用户的喜爱和流行程度，将前C_N个最受欢迎的文件内容缓存在小站。第i个最受欢迎的数据内容记为f_i，C表示数据库C_f的大小。假设数据内容的流行度服从Zipf分布，即第i个最受欢迎的数据内容f_i的请求概率为

这里σ是Zipf定律的形态参数，反应流行分布。

运营商根据小站的缓存容量大小，确定每个小站可以缓存的非专用用户数据文件个数，但是要消耗一定的缓存能量，小站的缓存能效为ω_cs(joules/bit)。

假设小站k可以为非专用用户缓存的数据文件个数是C_k，一个非专用用户的请求数据内容包含在小站缓存容量内的概率定义为p_k，则有

小站的状态集合记为其中s_k∈{0，1}，s_k＝1表示小站k处于激活状态，s_k＝0表示小站k处于关闭状态。表示所有可能的小站状态集，其中 表示最优基站状态。

在基站状态S_n下，当前时刻t小站k专用用户服务的队长为Q_k(t)，平均队长由下式得到，

当前时刻t宏站j为非专用用户服务的队长G_j(t)，平均队长(1≤j≤N_m)由下式得到，

在时间间隔(t-1，t]内请求小站k服务的专用用户和接受服务的非专用用户数目为A_k(t),(1≤k≤N_s)，其平均值(1≤k≤N_s)由下式得到，

在时间间隔(t-1，t]内请求宏站j服务的非专用用户数目M_j(t),(1≤j≤N_m)，平均请求服务的非专用用户数(t),(1≤j≤N_m)由下式得到，

t时刻小站k的传输速率R_k(t),平均传输速率(1≤k≤N_s)由下式得到，

t时刻宏站j的传输速率r_j(t),平均传输速率(1≤j≤N_m)由下式得到

t时刻在基站状态S_n下系统能耗平均能耗由下式得到

t时刻在基站状态S_n下小站k系统效率，即负载率为

小站k平均负载率为

这里表示t时刻小站k为非专用用户服务的概率，由下式得到

t时刻在基站状态S_n下宏站j的负载率为，

宏站j平均负载率为

且有Q_k(0)＝0，G_j(0)＝0，A_k(0)＝0，M_j(0)＝0，R_k(0)＝0， r_j(0)＝0， ρ_k(0)＝0ξ_j(0)＝0，这里1≤k≤N_s，1≤j≤N_m。

步骤2：从S₁(t)(S₁(t)∈Ω)开始，遍历基站状态集合Ω中所有可能的基站状态，遍历次数为第n次遍历搜索中，统计在该基站状态S_n下，当前时刻t小站k为专用用户服务的队长Q_k(t)，根据公式(3)计算平均队长统计宏站j为非专用用户服务的队长G_j(t)，根据公式(4)计算平均队长计算在时间间隔(t-1，t]内请求小站k服务的专用用户数目和接受服务的非专用用户数A_k(t),(1≤k≤N_s)，请求宏站j服务的非专用用户数目M_j(t),(1≤j≤N_m)，根据公式(5)和(6)分别计算小站平均请求服务的专用用户和接受服务的非专用用户数宏站平均请求服务的非专用用户数

根据信道状态信息，由香农公式，计算当前时刻t小站k的传输速率R_k(t)，宏站j的传输速率r_j(t)。根据公式(7)和(8)分别计算小站平均传输速率和宏站平均传输速率

步骤3：根据公式(10)和(11)分别计算时刻t小站k的负载率ρ_k(t)，平均负载效率由公式(13)和(14)分别计算时刻t宏站j的负载率ξ_j(t)，平均负载率

根据公式(12)计算接入小站的非专用用户的概率p_S。

计算t时刻在基站状态S_n下系统能耗

P_m0是宏站静态链路的能耗，宏站回程链路的能耗是P_mb，Δp_m表示负载相关的能耗因子，P_mt为宏站传输功率。

s_nk表示在基站状态集S_n下小站k的开关状态，P_S是小站处于关闭状态的能耗，P_s0是小站激活状态静态链路的能耗，Δp_s表示负载相关的能耗因子，P_st为小站传输功率。C_N是小站缓存非专用用户数据文件大小，小站的缓存能效为ω_cs。

步骤4：更新时刻t＝t+1，更新队长

Q_k(t+1)＝max{Q_k(t)-R_k(t),0}+A_k(t)(18)；

G_j(t+1)＝max{G_j(t)-r_j(t),0}+M_j(t)(19)

执行步骤2-3。

步骤5：当t＝T+1退出迭代过程。

步骤6：计算第n次遍历搜索时，在状态集合S_n下的成本函数

这里，V是权重因子，其取值由运营商自行确定。

(21)；

步骤7：更新基站状态集合S_n＝S_n+1，执行步骤2-6。

步骤8：当遍历搜索结束。

步骤9：对于所有的成本函数值根据以下公式

计算n^*，得到最优基站状态

步骤10：根据得到的最优基站状态对所有小站执行开关决策。对于任意的小站k，1≤k≤N_s，如果则小站k保持激活状态；反之，若则关闭小站k。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (7)

1.一种结合缓存技术的超密集网络小站开关方法，其特征在于，所述方法包括以下步骤：

步骤1：采集网络信息：运营商测量出区域面积内宏站和小站总数目，分别记为N_m和N_s，从而得到该区域内宏站和小站的分布密度λ_m和λ_s；

步骤2：从S₁(t)(S₁(t)∈Ω)开始，遍历基站状态集合Ω中所有可能的基站状态，遍历次数为

步骤3：根据公式(10)和(11)分别计算时刻t小站k的负载率ρ_k(t)，平均负载效率

步骤4：更新时刻t＝t+1，更新队长；

执行步骤2-3。

步骤5：当t＝T+1退出迭代过程；

步骤6：计算第n次遍历搜索时，在状态集合S_n下的成本函数；

步骤7：更新基站状态集合S_n＝S_n+1，执行步骤2-6；

步骤8：当遍历搜索结束；

步骤9：对于所有的成本函数值根据公式计算n^*；

步骤10：根据得到的最优基站状态对所有小站执行开关决策。

2.根据权利要求1所述的结合缓存技术的超密集网络小站开关方法，其特征在于，所述步骤1具体如下：采集网络信息：运营商测量出区域面积内宏站和小站总数目，分别记为N_m和N_s，从而得到该区域内宏站和小站的分布密度λ_m和λ_s，专用用户和非专用用户业务到达均满足独立泊松过程，运营商统计一段时间内用户业务到达情况得出专用用户和非专用用户业务到达率λ_D，λ_U；假设专用用户和非专用用户数据文件的平均比特大小均分别为L_D和L_U；通过运营商得到部署在该区域内小站带宽W_s、宏站带宽W_m、宏站传输功率P_mt、小站传输功率P_st；运营商记录每个小站关闭状态的平均能耗P_S，宏站和小站静态链路的能耗P_m0和P_s0，宏站回程链路的能耗P_mb；宏站和小站的负载相关的能耗因子Δp_m和Δp_s、权重因子V、时间间隔t、时长T取值由运营商根据网络运行情况自行确定；所有宏站全部处于激活状态；

每个小站都有各自的专用用户，专用用户的数据请求文件都存储在各自的小站内，非专用用户的所有的数据请求文件集合为C_f＝{f₁,f₂，…,f_C}，数据中心包含非专用用户所有的数据请求文件，宏站可以通过回程链路获取非专用用户所需的数据内容，小站有缓存空间，可以为非专用用户缓存部分文件内容，采用最受欢迎内容缓存策略，即根据用户的喜爱和流行程度，将前C_N个最受欢迎的文件内容缓存在小站；第i个最受欢迎的数据内容记为f_i，C表示数据库C_f的大小；假设数据内容的流行度服从Zipf分布，即第i个最受欢迎的数据内容f_i的请求概率为

这里σ是Zipf定律的形态参数，反应流行分布；

运营商根据小站的缓存容量大小，确定每个小站可以缓存的非专用用户数据文件个数，但是要消耗一定的缓存能量，小站的缓存能效为ω_cs(joules/bit)；

假设小站k可以为非专用用户缓存的数据文件个数是C_k，一个非专用用户的请求数据内容包含在小站缓存容量内的概率定义为p_k，则有

小站的状态集合记为其中s_k∈{0，1}，s_k＝1表示小站k处于激活状态，s_k＝0表示小站k处于关闭状态。表示所有可能的小站状态集，其中表示最优基站状态；

在基站状态S_n下，当前时刻t小站k专用用户服务的队长为Q_k(t)，平均队长由下式得到，

当前时刻t宏站j为非专用用户服务的队长G_j(t)，平均队长由下式得到，

在时间间隔(t-1，t]内请求小站k服务的专用用户和接受服务的非专用用户数目为A_k(t),(1≤k≤N_s)，其平均值由下式得到，

在时间间隔(t-1，t]内请求宏站j服务的非专用用户数目M_j(t),(1≤j≤N_m)，平均请求服务的非专用用户数由下式得到，

t时刻小站k的传输速率R_k(t),平均传输速率由下式得到，

t时刻宏站j的传输速率r_j(t),平均传输速率由下式得到

t时刻在基站状态S_n下系统能耗平均能耗由下式得到

t时刻在基站状态S_n下小站k系统效率，即负载率为

小站k平均负载率为

这里表示t时刻小站k为非专用用户服务的概率，由下式得到

t时刻在基站状态S_n下宏站j的负载率为，

宏站j平均负载率为

且有Q_k(0)＝0，G_j(0)＝0，A_k(0)＝0，M_j(0)＝0，R_k(0)＝0， r_j(0)＝0，ρ_k(0)＝0，ξ_j(0)＝0，这里1≤k≤N_s，1≤j≤N_m。

3.根据权利要求1所述的结合缓存技术的超密集网络小站开关方法，其特征在于，所述步骤2：从S₁(t)(S₁(t)∈Ω)开始，遍历基站状态集合Ω中所有可能的基站状态，遍历次数为第n次遍历搜索中，统计在该基站状态S_n下，当前时刻t小站k为专用用户服务的队长Q_k(t)，根据公式(3)计算平均队长统计宏站j为非专用用户服务的队长G_j(t)，根据公式(4)计算平均队长计算在时间间隔(t-1，t]内请求小站k服务的专用用户数目和接受服务的非专用用户数A_k(t),(1≤k≤N_s)，请求宏站j服务的非专用用户数目M_j(t),(1≤j≤N_m)，根据公式(5)和(6)分别计算小站平均请求服务的专用用户和接受服务的非专用用户数宏站平均请求服务的非专用用户数

根据信道状态信息，由香农公式，计算当前时刻t小站k的传输速率R_k(t)，宏站j的传输速率r_j(t)；根据公式(7)和(8)分别计算小站平均传输速率和宏站平均传输速率

4.根据权利要求3所述的结合缓存技术的超密集网络小站开关方法，其特征在于，所述步骤4：更新时刻t＝t+1，更新队长

Q_k(t+1)＝max{Q_k(t)-R_k(t),0}+A_k(t)(18)；

G_j(t+1)＝max{G_j(t)-r_j(t),0}+M_j(t)(19)；执行步骤2-3。

5.根据权利要求4所述的结合缓存技术的超密集网络小站开关方法，其特征在于，所述步骤6：计算第n次遍历搜索时，在状态集合S_n下的成本函数

这里，V是权重因子，其取值由运营商自行确定。

6.根据权利要求5所述的结合缓存技术的超密集网络小站开关方法，其特征在于，所述步骤9：对于所有的成本函数值根据以下公式

计算n^*，得到最优基站状态

7.根据权利要求6所述的结合缓存技术的超密集网络小站开关方法，其特征在于，所述步骤10：根据得到的最优基站状态对所有小站执行开关决策。对于任意的小站k，1≤k≤N_s，如果则小站k保持激活状态；反之，若则关闭小站k。