CN108924881A - 一种车载流量分配方法和系统 - Google Patents
一种车载流量分配方法和系统 Download PDFInfo
- Publication number
- CN108924881A CN108924881A CN201810949479.1A CN201810949479A CN108924881A CN 108924881 A CN108924881 A CN 108924881A CN 201810949479 A CN201810949479 A CN 201810949479A CN 108924881 A CN108924881 A CN 108924881A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- assignment
- traffic
- flow
- objective function
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车载流量分配方法和系统。该车载流量分配方法包括:根据不同种类车载流量的分配流量数构造车载流量分配满意度函数;根据车载流量分配的受限条件构造车载流量分配受限函数;引入拉格朗日算子,根据车载流量分配满意度函数和车载流量分配受限函数构造车载流量分配目标函数;采用梯度法计算车载流量分配目标函数的最优解;最优解为车载流量分配的最优方案。该车载流量分配方法能够获得车载流量分配的最优方案,从而使用户车载流量分配达到最优,进而使用户的满意度达到最优,该车载流量分配方法在车载流量分配最优方案的计算过程中,能够避免遍历所有的车载流量分配方案,从而提高车载流量的分配效率。
Description
技术领域
本发明涉及通信技术领域,具体地,涉及一种车载流量分配方法和系统。
背景技术
随着车载联网设备的种类不断增多,车载流量的需求在逐渐增大。一方面,目前车载流量的分配,绝大多数是通过运营商对流量进行随机分配,不会考虑用户对流量的具体使用情况,如通过在车上安装sim卡和4G模块,使用运营商的4G网络随机分配的流量,这使得车载流量的分配受4G网络的限制;另一方面,运营商不可能无限制地为车主提供流量,很多车主使用流量时,考虑到费用的限制,也会指定流量的上限。因此,车载流量的分配受多种约束条件的限制。
目前,车载流量的随机分配很难为用户提供比较优化的流量分配方案,且车载流量分配效率较低,使用户的满意度无法达到优化。
如何对车载流量的分配进行优化已经成为目前亟待解决的问题。
发明内容
本发明针对现有技术中存在的上述技术问题,提供一种车载流量分配方法和系统。该车载流量分配方法能够获得车载流量分配的最优方案,从而使用户车载流量分配达到最优,进而使用户的满意度达到最优,该车载流量分配方法在车载流量分配最优方案的计算过程中,能够避免遍历所有的车载流量分配方案,从而提高车载流量的分配效率。
本发明提供一种车载流量分配方法,包括:
根据不同种类车载流量的分配流量数构造车载流量分配满意度函数;
根据车载流量分配的受限条件构造车载流量分配受限函数;
引入拉格朗日算子,根据所述车载流量分配满意度函数和所述车载流量分配受限函数构造车载流量分配目标函数;
采用梯度法计算所述车载流量分配目标函数的最优解;所述最优解为所述车载流量分配的最优方案。
优选地,所述采用梯度法计算所述车载流量分配目标函数的最优解包括:
步骤S130:预设第一阈值和迭代次数阈值;
步骤S131:对所述车载流量分配目标函数任意给定一个自变量;
步骤S132:判断当前累计迭代次数是否大于或等于所述迭代次数阈值;
如果否,则执行步骤S133:计算所述自变量对应的所述车载流量分配目标函数的梯度值,并对所述梯度值做取模运算;
然后执行步骤S134:判断所述梯度值的取模运算结果是否大于或等于所述第一阈值;如果是,则执行步骤S135:根据所述自变量和所述自变量对应的所述车载流量分配目标函数的梯度值计算所述车载流量分配目标函数的下一个自变量;然后执行步骤S136:当前累计迭代次数加1,将所述车载流量分配目标函数的自变量更新为所述下一个自变量,然后继续执行所述步骤S132;所述步骤S134的判断结果如果否,则执行步骤S137:将所述车载流量分配目标函数的当前自变量确定为所述车载流量分配目标函数的所述最优解;
所述步骤S132的判断结果如果是,则执行步骤S138:停止迭代,并从所述车载流量分配目标函数的自变量中选出最大值作为所述车载流量分配目标函数的所述最优解。
优选地,所述车载流量分配满意度函数包括:
其中,f(X)为所述车载流量分配满意度函数;wi代表第i种车载流量的权重;ki代表第i种车载流量的满意度参数;wi和ki是根据不同车主对车载流量的历史使用情况得出的统计值;xi代表各种车载流量各自分配的流量数;X代表车载流量分配方案。
优选地,所述车载流量分配的受限条件包括:
其中,xi代表各种车载流量各自分配的流量数;S代表一定资费条件下车载流量的总量;
相应地,所述车载流量分配受限函数包括:其中,g(X)为所述车载流量分配受限函数;X代表车载流量分配方案;
所述车载流量分配目标函数包括:L(X,λ)=f(X)-λg(X);其中,L(X,λ)为所述车载流量分配目标函数;λ为所述拉格朗日算子,λ的意义为所述最优解的f(X)和g(X)的梯度的比值,表示由g(X)的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
优选地,所述车载流量分配的受限条件包括多个;
相应地,所述车载流量分配受限函数包括多个;所述拉格朗日算子包括多个;所述车载流量分配目标函数包括:
L(X,λ)=f(X)-[λ1g1(X)+λ2g2(X)+…+λkgk(X)];
其中,L(X,λ)为所述车载流量分配目标函数;g1(X)、g2(X)…gk(X)为一组所述车载流量分配受限函数矢量;λ1、λ2…λk为一组所述拉格朗日算子矢量,一组所述拉格朗日算子矢量[λ1、λ2…λk]的意义为所述最优解的f(X)和一组所述车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的梯度的比值,表示由一组所述车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
本发明还提供一种车载流量分配系统,包括:
第一构造模块,用于根据不同种类车载流量的分配流量数构造车载流量分配满意度函数;
第二构造模块,用于根据车载流量分配的受限条件构造车载流量分配受限函数;
第三构造模块,用于引入拉格朗日算子,根据所述车载流量分配满意度函数和所述车载流量分配受限函数构造车载流量分配目标函数;
计算模块,用于采用梯度法计算所述车载流量分配目标函数的最优解;所述最优解为所述车载流量分配的最优方案。
优选地,所述计算模块包括:
预设单元,用于预设第一阈值和迭代次数阈值;
赋值单元,用于对所述车载流量分配目标函数任意给定一个自变量;
第一判断单元,用于判断当前累计迭代次数是否大于或等于所述迭代次数阈值;
第一计算单元,用于在所述第一判断单元的判断结果为否时,计算所述自变量对应的所述车载流量分配目标函数的梯度值,并对所述梯度值做取模运算;
第二判断单元,用于判断所述梯度值的取模运算结果是否大于或等于所述第一阈值;
第二计算单元,用于在所述第二判断单元的判断结果为是时,根据所述自变量和所述自变量对应的所述车载流量分配目标函数的梯度值计算所述车载流量分配目标函数的下一个自变量;
累加更新单元,用于将当前累计迭代次数加1,并将所述车载流量分配目标函数的自变量更新为所述下一个自变量;
第一确定单元,用于在所述第二判断单元的判断结果为否时,将所述车载流量分配目标函数的当前自变量确定为所述车载流量分配目标函数的所述最优解;
第二确定单元,用于在所述第一判断单元的判断结果为是时,停止迭代,并从所述车载流量分配目标函数的自变量中选出最大值作为所述车载流量分配目标函数的所述最优解。
优选地,所述车载流量分配满意度函数包括:
其中,f(X)为所述车载流量分配满意度函数;wi代表第i种车载流量的权重;ki代表第i种车载流量的满意度参数;wi和ki是根据不同车主对车载流量的历史使用情况得出的统计值;xi代表各种车载流量各自分配的流量数;X代表车载流量分配方案。
优选地,所述车载流量分配的受限条件包括:
其中,xi代表各种车载流量各自分配的流量数;S代表一定资费条件下车载流量的总量;
相应地,所述车载流量分配受限函数包括:其中,g(X)为所述车载流量分配受限函数;X代表车载流量分配方案;
所述车载流量分配目标函数包括:L(X,λ)=f(X)-λg(X);其中,L(X,λ)为所述车载流量分配目标函数;λ为所述拉格朗日算子,λ的意义为所述最优解的f(X)和g(X)的梯度的比值,表示由g(X)的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
优选地,所述车载流量分配的受限条件包括多个;
相应地,所述车载流量分配受限函数包括多个;所述拉格朗日算子包括多个;所述车载流量分配目标函数包括:
L(X,λ)=f(X)-[λ1g1(X)+λ2g2(X)+…+λkgk(X)];
其中,L(X,λ)为所述车载流量分配目标函数;g1(X)、g2(X)…gk(X)为一组所述车载流量分配受限函数矢量;λ1、λ2…λk为一组所述拉格朗日算子矢量,一组所述拉格朗日算子矢量[λ1、λ2…λk]的意义为所述最优解的f(X)和一组所述车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的梯度的比值,表示由一组所述车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
本发明的有益效果:本发明所提供的车载流量分配方法,通过构造车载流量分配满意度函数、车载流量分配受限函数和车载流量分配目标函数,并采用梯度法计算目标函数的最优解,能够获得车载流量分配的最优方案,从而使用户车载流量分配达到最优,进而使用户的满意度达到最优,该车载流量分配方法在车载流量分配最优方案的计算过程中,能够避免遍历所有的车载流量分配方案,从而提高车载流量的分配效率。
本发明所提供的车载流量分配系统,通过设置第一构造模块、第二构造模块、第三构造模块和计算模块,能够获得车载流量分配的最优方案,从而使用户车载流量分配达到最优,进而使用户的满意度达到最优,计算模块在车载流量分配最优方案的计算过程中,能够避免遍历所有的车载流量分配方案,从而提高车载流量的分配效率。
附图说明
图1为本发明实施例1中车载流量分配方法的流程图;
图2为本发明实施例2中车载流量分配方法的流程图;
图3为本发明实施例4中车载流量分配系统的原理框图。
其中的附图标记说明:
1.第一构造模块;2.第二构造模块;3.第三构造模块;4.计算模块;41.预设单元;42.赋值单元;43.第一判断单元;44.第一计算单元;45.第二判断单元;46.第二计算单元;47.累加更新单元;48.第一确定单元;49.第二确定单元。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明所提供的一种车载流量分配方法和系统作进一步详细描述。
实施例1:
本实施例提供一种车载流量分配方法,如图1所示,包括:
步骤S10:根据不同种类车载流量的分配流量数构造车载流量分配满意度函数。
步骤S11:根据车载流量分配的受限条件构造车载流量分配受限函数。
步骤S12:引入拉格朗日算子,根据车载流量分配满意度函数和车载流量分配受限函数构造车载流量分配目标函数。
步骤S13:采用梯度法计算车载流量分配目标函数的最优解。该最优解为车载流量分配的最优方案。
该车载流量分配方法,通过构造车载流量分配满意度函数、车载流量分配受限函数和车载流量分配目标函数,并采用梯度法计算目标函数的最优解,能够获得车载流量分配的最优方案,从而使用户车载流量分配达到最优,进而使用户的满意度达到最优,该车载流量分配方法在车载流量分配最优方案的计算过程中,能够避免遍历所有的车载流量分配方案,从而提高车载流量的分配效率。
实施例2:
本实施例提供一种车载流量分配方法,如图2所示,包括:
步骤S10:根据不同种类车载流量的分配流量数构造车载流量分配满意度函数。
该步骤中,车载流量分配满意度函数包括:
其中,f(X)为车载流量分配满意度函数;wi代表第i种车载流量的权重;ki代表第i种车载流量的满意度参数;wi和ki是根据不同车主对车载流量的历史使用情况得出的统计值;xi代表各种车载流量各自分配的流量数;X代表车载流量分配方案。
步骤S11:根据车载流量分配的受限条件构造车载流量分配受限函数。
该步骤中,车载流量分配的受限条件包括:
其中,xi代表各种车载流量各自分配的流量数;S代表一定资费条件下车载流量的总量。
相应地,车载流量分配受限函数包括:其中,g(X)为车载流量分配受限函数;X代表车载流量分配方案。
步骤S12:引入拉格朗日算子,根据车载流量分配满意度函数和车载流量分配受限函数构造车载流量分配目标函数。
该步骤中,车载流量分配目标函数包括:L(X,λ)=f(X)-λg(X);其中,L(X,λ)为车载流量分配目标函数;λ为拉格朗日算子,λ的意义为最优解的f(X)和g(X)的梯度的比值,表示由g(X)的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
步骤S13:采用梯度法计算车载流量分配目标函数的最优解。该最优解为车载流量分配的最优方案。
该步骤具体包括:
步骤S130:预设第一阈值和迭代次数阈值。
如:第一阈值为δ。
步骤S131:对车载流量分配目标函数任意给定一个自变量。
如:对车载流量分配目标函数任意给定一个自变量Mn=(Xn,λn),该自变量代表一种车载流量分配方案。
步骤S132:判断当前累计迭代次数是否大于或等于迭代次数阈值。
如果否,则执行步骤S133:计算自变量对应的车载流量分配目标函数的梯度值,并对梯度值做取模运算。
如:计算自变量对应的车载流量分配目标函数的梯度值:对梯度值做取模运算:||grad(Mn)||。
然后执行步骤S134:判断梯度值的取模运算结果是否大于或等于第一阈值。如果是,即||grad(Mn)||≥δ,则执行步骤S135:根据自变量和自变量对应的车载流量分配目标函数的梯度值计算车载流量分配目标函数的下一个自变量;计算公式为:Mn+1=Mn+grad(Mn),其中,下一个自变量代表又一种车载流量分配方案。然后执行步骤S136:当前累计迭代次数加1,将车载流量分配目标函数的自变量更新为下一个自变量,即将Mn更新为Mn+1。然后继续执行步骤S132。步骤S134的判断结果如果否,即||grad(Mn)||<δ,则执行步骤S137:将车载流量分配目标函数的当前自变量确定为车载流量分配目标函数的最优解,即将Mn确定为车载流量分配目标函数的最优解。
步骤S132的判断结果如果是,则执行步骤S138:停止迭代,并从车载流量分配目标函数的自变量中选出最大值作为车载流量分配目标函数的最优解,即从(Mn、Mn+1、Mn+2…)中选出最大值作为车载流量分配目标函数的最优解,即从多种车载流量分配方案中选出一种各种车载流量的分配流量数都是最大值的分配方案作为最优解。
实施例3:
本实施例提供一种车载流量分配方法,与实施例2中的车载流量分配方法不同的是,车载流量分配的受限条件包括多个。相应地,车载流量分配受限函数包括多个。拉格朗日算子包括多个。车载流量分配目标函数包括:
L(X,λ)=f(X)-[λ1g1(X)+λ2g2(X)+…+λkgk(X)];
其中,L(X,λ)为车载流量分配目标函数;g1(X)、g2(X)…gk(X)为一组车载流量分配受限函数矢量;λ1、λ2…λk为一组拉格朗日算子矢量,一组拉格朗日算子矢量[λ1、λ2…λk]的意义为最优解的f(X)和一组车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的梯度的比值,表示由一组车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
本实施例中车载流量分配方法的其他步骤及函数与实施例2中相同,此处不再赘述。
实施例1-3的有益效果:实施例1-3所提供的车载流量分配方法,通过构造车载流量分配满意度函数、车载流量分配受限函数和车载流量分配目标函数,并采用梯度法计算目标函数的最优解,能够获得车载流量分配的最优方案,从而使用户车载流量分配达到最优,进而使用户的满意度达到最优,该车载流量分配方法在车载流量分配最优方案的计算过程中,能够避免遍历所有的车载流量分配方案,从而提高车载流量的分配效率。
实施例4:
基于实施例2中所提供的车载流量分配方法,本实施例提供一种车载流量分配系统,如图3所示,包括:第一构造模块1,用于根据不同种类车载流量的分配流量数构造车载流量分配满意度函数。第二构造模块2,用于根据车载流量分配的受限条件构造车载流量分配受限函数。第三构造模块3,用于引入拉格朗日算子,根据车载流量分配满意度函数和车载流量分配受限函数构造车载流量分配目标函数。计算模块4,用于采用梯度法计算车载流量分配目标函数的最优解。该最优解为车载流量分配的最优方案。
该车载流量分配系统,通过设置第一构造模块1、第二构造模块2、第三构造模块3和计算模块4,能够获得车载流量分配的最优方案,从而使用户车载流量分配达到最优,进而使用户的满意度达到最优,计算模块4在车载流量分配最优方案的计算过程中,能够避免遍历所有的车载流量分配方案,从而提高车载流量的分配效率。
其中,计算模块4包括:预设单元41,用于预设第一阈值和迭代次数阈值。赋值单元42,用于对车载流量分配目标函数任意给定一个自变量。第一判断单元43,用于判断当前累计迭代次数是否大于或等于迭代次数阈值。第一计算单元44,用于在第一判断单元43的判断结果为否时,计算自变量对应的车载流量分配目标函数的梯度值,并对梯度值做取模运算。第二判断单元45,用于判断梯度值的取模运算结果是否大于或等于第一阈值。第二计算单元46,用于在第二判断单元45的判断结果为是时,根据自变量和自变量对应的车载流量分配目标函数的梯度值计算车载流量分配目标函数的下一个自变量。累加更新单元47,用于将当前累计迭代次数加1,并将车载流量分配目标函数的自变量更新为下一个自变量。第一确定单元48,用于在第二判断单元45的判断结果为否时,将车载流量分配目标函数的当前自变量确定为车载流量分配目标函数的最优解。第二确定单元49,用于在第一判断单元43的判断结果为是时,停止迭代,并从车载流量分配目标函数的自变量中选出最大值作为车载流量分配目标函数的最优解。
本实施例中,车载流量分配满意度函数包括:
其中,f(X)为车载流量分配满意度函数;wi代表第i种车载流量的权重;ki代表第i种车载流量的满意度参数;wi和ki是根据不同车主对车载流量的历史使用情况得出的统计值;xi代表各种车载流量各自分配的流量数;X代表车载流量分配方案。
车载流量分配的受限条件包括:
其中,xi代表各种车载流量各自分配的流量数;S代表一定资费条件下车载流量的总量。相应地,车载流量分配受限函数包括:其中,g(X)为车载流量分配受限函数;X代表车载流量分配方案。
车载流量分配目标函数包括:L(X,λ)=f(X)-λg(X);其中,L(X,λ)为车载流量分配目标函数;λ为拉格朗日算子,λ的意义为最优解的f(X)和g(X)的梯度的比值,表示由g(X)的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
实施例5:
基于实施例3中所提供的车载流量分配方法,本实施例提供一种车载流量分配系统,与实施例4中的车载流量分配系统不同的是,车载流量分配的受限条件包括多个。相应地,车载流量分配受限函数包括多个;拉格朗日算子包括多个;车载流量分配目标函数包括:
L(X,λ)=f(X)-[λ1g1(X)+λ2g2(X)+…+λkgk(X)];
其中,L(X,λ)为车载流量分配目标函数;g1(X)、g2(X)…gk(X)为一组车载流量分配受限函数矢量;λ1、λ2…λk为一组拉格朗日算子矢量,一组拉格朗日算子矢量[λ1、λ2…λk]的意义为最优解的f(X)和一组车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的梯度的比值,表示由一组车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
本实施例中车载流量分配系统的其他模块以及函数与实施例4中相同,此处不再赘述。
实施例4-5的有益效果:实施例4-5中所提供的车载流量分配系统,通过设置第一构造模块、第二构造模块、第三构造模块和计算模块,能够获得车载流量分配的最优方案,从而使用户车载流量分配达到最优,进而使用户的满意度达到最优,计算模块在车载流量分配最优方案的计算过程中,能够避免遍历所有的车载流量分配方案,从而提高车载流量的分配效率。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种车载流量分配方法,其特征在于,包括:
根据不同种类车载流量的分配流量数构造车载流量分配满意度函数;
根据车载流量分配的受限条件构造车载流量分配受限函数;
引入拉格朗日算子,根据所述车载流量分配满意度函数和所述车载流量分配受限函数构造车载流量分配目标函数;
采用梯度法计算所述车载流量分配目标函数的最优解;所述最优解为所述车载流量分配的最优方案。
2.根据权利要求1所述的车载流量分配方法,其特征在于,所述采用梯度法计算所述车载流量分配目标函数的最优解包括:
步骤S130:预设第一阈值和迭代次数阈值;
步骤S131:对所述车载流量分配目标函数任意给定一个自变量;
步骤S132:判断当前累计迭代次数是否大于或等于所述迭代次数阈值;
如果否,则执行步骤S133:计算所述自变量对应的所述车载流量分配目标函数的梯度值,并对所述梯度值做取模运算;
然后执行步骤S134:判断所述梯度值的取模运算结果是否大于或等于所述第一阈值;如果是,则执行步骤S135:根据所述自变量和所述自变量对应的所述车载流量分配目标函数的梯度值计算所述车载流量分配目标函数的下一个自变量;然后执行步骤S136:当前累计迭代次数加1,将所述车载流量分配目标函数的自变量更新为所述下一个自变量,然后继续执行所述步骤S132;所述步骤S134的判断结果如果否,则执行步骤S137:将所述车载流量分配目标函数的当前自变量确定为所述车载流量分配目标函数的所述最优解;
所述步骤S132的判断结果如果是,则执行步骤S138:停止迭代,并从所述车载流量分配目标函数的自变量中选出最大值作为所述车载流量分配目标函数的所述最优解。
3.根据权利要求1所述的车载流量分配方法,其特征在于,所述车载流量分配满意度函数包括:
其中,f(X)为所述车载流量分配满意度函数;wi代表第i种车载流量的权重;ki代表第i种车载流量的满意度参数;wi和ki是根据不同车主对车载流量的历史使用情况得出的统计值;xi代表各种车载流量各自分配的流量数;X代表车载流量分配方案。
4.根据权利要求3所述的车载流量分配方法,其特征在于,所述车载流量分配的受限条件包括:
其中,xi代表各种车载流量各自分配的流量数;S代表一定资费条件下车载流量的总量;
相应地,所述车载流量分配受限函数包括:其中,g(X)为所述车载流量分配受限函数;X代表车载流量分配方案;
所述车载流量分配目标函数包括:L(X,λ)=f(X)-λg(X);其中,L(X,λ)为所述车载流量分配目标函数;λ为所述拉格朗日算子,λ的意义为所述最优解的f(X)和g(X)的梯度的比值,表示由g(X)的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
5.根据权利要求3所述的车载流量分配方法,其特征在于,所述车载流量分配的受限条件包括多个;
相应地,所述车载流量分配受限函数包括多个;所述拉格朗日算子包括多个;所述车载流量分配目标函数包括:
L(X,λ)=f(X)-[λ1g1(X)+λ2g2(X)+…+λkgk(X)];
其中,L(X,λ)为所述车载流量分配目标函数;g1(X)、g2(X)…gk(X)为一组所述车载流量分配受限函数矢量;λ1、λ2…λk为一组所述拉格朗日算子矢量,一组所述拉格朗日算子矢量[λ1、λ2…λk]的意义为所述最优解的f(X)和一组所述车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的梯度的比值,表示由一组所述车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
6.一种车载流量分配系统,其特征在于,包括:
第一构造模块,用于根据不同种类车载流量的分配流量数构造车载流量分配满意度函数;
第二构造模块,用于根据车载流量分配的受限条件构造车载流量分配受限函数;
第三构造模块,用于引入拉格朗日算子,根据所述车载流量分配满意度函数和所述车载流量分配受限函数构造车载流量分配目标函数;
计算模块,用于采用梯度法计算所述车载流量分配目标函数的最优解;所述最优解为所述车载流量分配的最优方案。
7.根据权利要求6所述的车载流量分配系统,其特征在于,所述计算模块包括:
预设单元,用于预设第一阈值和迭代次数阈值;
赋值单元,用于对所述车载流量分配目标函数任意给定一个自变量;
第一判断单元,用于判断当前累计迭代次数是否大于或等于所述迭代次数阈值;
第一计算单元,用于在所述第一判断单元的判断结果为否时,计算所述自变量对应的所述车载流量分配目标函数的梯度值,并对所述梯度值做取模运算;
第二判断单元,用于判断所述梯度值的取模运算结果是否大于或等于所述第一阈值;
第二计算单元,用于在所述第二判断单元的判断结果为是时,根据所述自变量和所述自变量对应的所述车载流量分配目标函数的梯度值计算所述车载流量分配目标函数的下一个自变量;
累加更新单元,用于将当前累计迭代次数加1,并将所述车载流量分配目标函数的自变量更新为所述下一个自变量;
第一确定单元,用于在所述第二判断单元的判断结果为否时,将所述车载流量分配目标函数的当前自变量确定为所述车载流量分配目标函数的所述最优解;
第二确定单元,用于在所述第一判断单元的判断结果为是时,停止迭代,并从所述车载流量分配目标函数的自变量中选出最大值作为所述车载流量分配目标函数的所述最优解。
8.根据权利要求6所述的车载流量分配系统,其特征在于,所述车载流量分配满意度函数包括:
其中,f(X)为所述车载流量分配满意度函数;wi代表第i种车载流量的权重;ki代表第i种车载流量的满意度参数;wi和ki是根据不同车主对车载流量的历史使用情况得出的统计值;xi代表各种车载流量各自分配的流量数;X代表车载流量分配方案。
9.根据权利要求8所述的车载流量分配系统,其特征在于,所述车载流量分配的受限条件包括:
其中,xi代表各种车载流量各自分配的流量数;S代表一定资费条件下车载流量的总量;
相应地,所述车载流量分配受限函数包括:其中,g(X)为所述车载流量分配受限函数;X代表车载流量分配方案;
所述车载流量分配目标函数包括:L(X,λ)=f(X)-λg(X);其中,L(X,λ)为所述车载流量分配目标函数;λ为所述拉格朗日算子,λ的意义为所述最优解的f(X)和g(X)的梯度的比值,表示由g(X)的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
10.根据权利要求8所述的车载流量分配系统,其特征在于,所述车载流量分配的受限条件包括多个;
相应地,所述车载流量分配受限函数包括多个;所述拉格朗日算子包括多个;所述车载流量分配目标函数包括:
L(X,λ)=f(X)-[λ1g1(X)+λ2g2(X)+…+λkgk(X)];
其中,L(X,λ)为所述车载流量分配目标函数;g1(X)、g2(X)…gk(X)为一组所述车载流量分配受限函数矢量;λ1、λ2…λk为一组所述拉格朗日算子矢量,一组所述拉格朗日算子矢量[λ1、λ2…λk]的意义为所述最优解的f(X)和一组所述车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的梯度的比值,表示由一组所述车载流量分配受限函数矢量[g1(X)、g2(X)…gk(X)]的增长所导致的f(X)的增长的边界效应;X代表车载流量分配方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810949479.1A CN108924881B (zh) | 2018-08-20 | 2018-08-20 | 一种车载流量分配方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810949479.1A CN108924881B (zh) | 2018-08-20 | 2018-08-20 | 一种车载流量分配方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108924881A true CN108924881A (zh) | 2018-11-30 |
CN108924881B CN108924881B (zh) | 2021-09-17 |
Family
ID=64404865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810949479.1A Active CN108924881B (zh) | 2018-08-20 | 2018-08-20 | 一种车载流量分配方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108924881B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102970714A (zh) * | 2012-12-14 | 2013-03-13 | 北京邮电大学 | 一种认知无线自组织网络多径路由的流量分配方法及装置 |
CN105577571A (zh) * | 2015-12-25 | 2016-05-11 | 中国人民解放军信息工程大学 | 面向相似性能需求的聚合流量传输方法 |
CN105721573A (zh) * | 2016-02-04 | 2016-06-29 | 燕山大学 | 基于效用优化的p2p文件共享网络带宽公平分配算法 |
CN106211344A (zh) * | 2016-07-14 | 2016-12-07 | 中国人民解放军理工大学 | 一种基于情景感知的Ad Hoc网络带宽管理方法 |
WO2018091811A1 (fr) * | 2016-11-21 | 2018-05-24 | Orange | Procédé d'allocation de ressources dans un réseau d'accès, station de base, produit programme d'ordinateur et support d'information correspondants |
-
2018
- 2018-08-20 CN CN201810949479.1A patent/CN108924881B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102970714A (zh) * | 2012-12-14 | 2013-03-13 | 北京邮电大学 | 一种认知无线自组织网络多径路由的流量分配方法及装置 |
CN105577571A (zh) * | 2015-12-25 | 2016-05-11 | 中国人民解放军信息工程大学 | 面向相似性能需求的聚合流量传输方法 |
CN105721573A (zh) * | 2016-02-04 | 2016-06-29 | 燕山大学 | 基于效用优化的p2p文件共享网络带宽公平分配算法 |
CN106211344A (zh) * | 2016-07-14 | 2016-12-07 | 中国人民解放军理工大学 | 一种基于情景感知的Ad Hoc网络带宽管理方法 |
WO2018091811A1 (fr) * | 2016-11-21 | 2018-05-24 | Orange | Procédé d'allocation de ressources dans un réseau d'accès, station de base, produit programme d'ordinateur et support d'information correspondants |
Non-Patent Citations (2)
Title |
---|
L HASENCLEVER, S WEBB,ETC: "Distributed Bayesian Learning with Stochastic Natural Gradient Expectation Propagation and the Posterior Server", 《JOURNAL OF MACHINE LEARNING RESEARCH 18 (2017) 1-37》 * |
任志刚,赵松云,黄姗姗,梁永胜: "求解多维背包问题的蚁群-拉格朗日松弛混合优化算法", 《控制与决策》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108924881B (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang | System optimum, stochastic user equilibrium, and optimal link tolls | |
CN107256632B (zh) | 一种基于用户异质时间价值与拥堵费用预算的交通分配方法 | |
CN106042963B (zh) | 电气化交通网络和电力系统的协同优化方法与系统 | |
CN109818865A (zh) | 一种sdn增强路径装箱装置及方法 | |
CN104936186B (zh) | 基于布谷鸟搜索算法的认知无线电网络频谱分配方法 | |
CN105989737B (zh) | 一种停车诱导方法 | |
CN111178724B (zh) | 一种基于演化算法的拼车调度方法 | |
CN107730049B (zh) | 电动汽车快速充电最优位置选择方法 | |
CN103489337B (zh) | 一种基于改进的局部搜索策略的空中交通流量调控方法 | |
CN104144431B (zh) | 一种移动网络状态预测的方法、装置及移动网络 | |
CN109118111A (zh) | 尾随间隔限制及起飞时隙分配综合策略管理决策支持系统 | |
You et al. | Online station assignment for electric vehicle battery swapping | |
CN107909228A (zh) | 基于模因计算的动态车辆收发货路径规划方法及装置 | |
CN103078152A (zh) | 集中性充电站智能充电方法 | |
KR20180003221A (ko) | 전기차 충전 제어 장치 및 방법 | |
Li et al. | Resilient PHEV charging policies under price information attacks | |
CN108924881A (zh) | 一种车载流量分配方法和系统 | |
Li et al. | Decentralized PEV power allocation with power distribution and transportation constraints | |
CN114936666A (zh) | 基于车-站-平台系统的电动汽车充电导航方法及系统 | |
CN112446538B (zh) | 一种基于个性化避险的最优路径获取方法 | |
CN106600119A (zh) | 基于k均值的电力用户聚类方法及装置 | |
CN107017629B (zh) | 一种配网富裕容量动态分析系统 | |
CN112308309A (zh) | 一种基于路径优化的电动汽车充电智能导引方法 | |
CN106162668A (zh) | 确定网络参数的方法和装置 | |
CN108304977A (zh) | 一种基于截流模型的充电站选址方法 |
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 |