CN108990160A - 一种基于改进蝙蝠算法的5g通信系统容量优化方法 - Google Patents

一种基于改进蝙蝠算法的5g通信系统容量优化方法 Download PDF

Info

Publication number
CN108990160A
CN108990160A CN201810823142.6A CN201810823142A CN108990160A CN 108990160 A CN108990160 A CN 108990160A CN 201810823142 A CN201810823142 A CN 201810823142A CN 108990160 A CN108990160 A CN 108990160A
Authority
CN
China
Prior art keywords
bat
population
capacity
algorithm
individual
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
Application number
CN201810823142.6A
Other languages
English (en)
Other versions
CN108990160B (zh
Inventor
李旭杰
王蓓蓓
邓晓田
孙颖
顾燕
吕勇
李建霓
居美艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TALENT-SCI Co.,Ltd.
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201810823142.6A priority Critical patent/CN108990160B/zh
Publication of CN108990160A publication Critical patent/CN108990160A/zh
Application granted granted Critical
Publication of CN108990160B publication Critical patent/CN108990160B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于改进蝙蝠算法的5G通信系统容量优化方法，5G通信系统中包括蜂窝网络终端(CUE)和D2D移动终端(DUE)，方法包括：(1)初始化基本参数，包括小区半径、迭代次数等；(2)随机初始化并反向初始化蝙蝠种群，每个蝙蝠个体代表一种信道资源分配方案；(3)求解蝙蝠种群的适度值；(4)根据适度值选择优秀蝙蝠个体作为初始解；(5)对蝙蝠种群进行交叉变异操作，使之生成新种群；(6)种群混合择出最优解；(7)判断迭代是否结束，若未结束，则返回步骤(4)，若迭代完毕，结束方法，得到系统容量最大的资源分配方案。本发明能够择出最佳D2D用户组合，实现通信网络资源的合理复用，从而提升系统容量。

Description

一种基于改进蝙蝠算法的5G通信系统容量优化方法
技术领域
本发明涉及5G通信领域，具体涉及一种基于改进蝙蝠算法的5G通信系统容量优化方法。
背景技术
目前，互联网与移动通信技术的快速发展带为人类社会越来越多的便利，给我们的生活造成翻天覆地的变化。在移动通信发展的早期阶段，人们对于通信的需求只是简单的收发短信或者语音通话，随着通信用户的日益增加，传统的通信技术已经无法满足人们的日常需求。现如今，通信技术的发展已经更上一层楼，5G通信技术也日趋成熟。D2D作为5G的一种非常重要的关键技术，允许相邻终端设备无需通过中心基站转发，使用的是授权频段的频谱资源且干扰可控，可以有效提升蜂窝网络的资源利用率，时延更低，拥有更高的用户体验速率。但随着D2D终端用户数目的递增，系统频谱资源匮乏成为当下无线通信亟待解决的问题，系统容量是作为判断D2D通信系统性能是否提升的一个重要指标。因此，容量优化是D2D通信系统性能提升必须要解决的问题
基于上述挑战，为了满足人们日益增长的通信服务质量需求，提升系统整体性能，本发明旨在满足蜂窝用户和D2D用户通信质量要求的情况下，实现通信用户资源的合理复用，从而提升系统容量。
发明内容
发明目的：本发明的目的是针对5G通信系统的资源分配问题，提供一种基于改进蝙蝠算法的5G通信系统容量优化方法，实现通信用户资源的合理复用，优化网络容量。
技术方案：为实现上述发明目的，本发明采用如下技术方案：
一种基于改进蝙蝠算法的5G通信系统容量优化方法，系统中的终端包括蜂窝网络终端(CUE)和D2D移动终端(DUE)，一对DUE包括D2D发射移动终端(DTUE)和D2D接收移动终端(DRUE)，其中有M个CUE和N对DUE共享下行链路资源，M和N均为大于0的整数，所述方法包括以下步骤：
(1)初始化系统基本参数并随机初始化标识资源分配方案的蝙蝠种群；所述参数包括小区半径、信号干扰噪声比阈值以及迭代次数；每个蝙蝠个体包括N个元素，每个元素内容代表一个DUE所复用的CUE的信道资源；
(2)对随机初始化生成的蝙蝠种群进行反向初始化，得到相应的反向蝙蝠种群，将随机初始化的蝙蝠种群和相应的反向蝙蝠种群作为初始蝙蝠种群；
(3)计算初始蝙蝠种群的信道容量值作为适度值；
(4)根据适度值选择优秀蝙蝠个体作为改进蝙蝠算法的初始解；
(5)将父蝙蝠种群中优秀蝙蝠个体进行交叉变异，从而产生新的优秀种群；
(6)将交叉变异前后的蝙蝠种群混合，根据适度值排序选出一定数量的优秀个体作为下一代迭代的蝙蝠种群；
(7)判断迭代是否结束，若否，返回步骤(5)，若迭代完毕，结束方法，得到系统容量最大的资源分配方案。
所述步骤(2)中反向初始化的计算公式为：
x′i＝ai+bi-xi
其中，xi∈[ai,bi]，i＝1,2,…N是蝙蝠个体中元素的编号，ai,bi分别为最小值和最大值。
所述步骤(3)中以最大化系统容量为目标，计算每个蝙蝠个体的信道容量值Csum，并作为改进蝙蝠算法的适度值；
其中，B为子信道带宽，SINRi为CUEi接收到的SINR，SINRj为DRUEj接收到的SINR。
所述步骤(4)中计算出初始蝙蝠种群的适度值后，根据适度值的大小排序选择满足条件的优秀个体，将这些优秀的蝙蝠个体作为改进蝙蝠算法的初始解。
所述步骤(6)中将交叉变异前后的蝙蝠种群混合，群体中每只蝙蝠代表问题的一个解，依据适度值排序组成新的优良种群剔除不符合通信质量要求的个体。
有益效果：本发明基于改进蝙蝠算法的5G通信系统容量优化方法，能够实现通信用户资源的合理复用，有效提高网络容量，其性能优越，易于实现。
附图说明
图1是基于改进蝙蝠算法的5G通信系统容量优化方法实现的具体流程图；
图2是单基站小区通信模型图；
图3是基于改进蝙蝠算法的通信资源的分配图；
图4是反向初始化示意图。
图5是系统容量与迭代次数的关系图；
图6是系统容量与信干噪比阈值的关系图；
图7是不同算法的迭代对比图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
场景的选择直接影响了容量优化方法的性能，下面详细分析一下场景的设定与参数的设置。
1.移动终端的分类与数量
在D2D通信系统中，终端分为两类：传统蜂窝网移动终端CUE和D2D移动终端DUE。DUE是以成对形式存在的，一对DUE包括D2D发射移动终端DTUE和D2D接收移动终端DRUE。在FDD-LTE网络中，一个子信道分配给一个CUE，而多个DUE对可以同时共享CUE所使用的信道资源。在本专利中，有M个CUE和N对DUE共享信道资源。
2.系统模型的建立
图2是单基站小区通信模型图，该网络由单个基站、M个蜂窝用户设备和N对D2D用户设备构成，假设网络中所有用户设备均匀分布在半径为R的圆形小区内，小区内N对D2D用户复用蜂窝网络的下行链路信道资源。其中分别用Ci，i∈{1,2,3…M}和Dj，j∈{1,2,3…N}来表示第i个蜂窝用户和第j个D2D用户对。DTUEj和DRUEj分别代表第j个D2D用户对的发射设备与接收设备，Dj＝{DTUEj,DRUEj}表示第j个D2D用户对。
3.资源分配
图3是基于改进蝙蝠算法的通信资源的分配图，在系统模型中，M个信道资源分配给N对D2D用户，假设多对D2D用户与CUEi共享第i个信道资源，则可以将复用同一信道资源的D2D用户分为一组，如资源分配图所示，DUE2,DUE4和DUE5复用CUE1的信道资源，DUE3和DUE6复用CUE2的信道资源，DUE7复用CUE3的信道资源，DUE1和DUE8复用CUE4的信道资源。则图2所对应的用户组合序列可以表示为{4,1,2,1,1,2,，3,即4}通过初始化过程生成携带类似{4,1,2,1,1,2位置信}息的蝙蝠个体。
4.容量定义
蜂窝网终端CUEi接收到的SINR(信号干扰噪声比)可以表示为：
D2D用户对接收终端DRUEj处的SINR可以表示为：
为了保证所有通信用户的正常通信，通信用户的SINR必须大于阈值SINRth。蜂窝用户的容量为：
D2D用户的容量为：
最终，总的系统容量记作：
基于上述理论基础，对本发明的基于改进蝙蝠算法的5G通信系统容量优化方法进行设计。
首先对本发明使用的符号或参数说明如下：
CUE：传统蜂窝网移动终端；
DUE：D2D移动终端；
DTUE：D2D移动终端对中的发射移动终端；
DRUE：D2D移动终端对中的接收移动终端；
M：小区内CUE移动终端的数量；
N：小区内D2D移动终端对的数量；
R：小区半径；
N0：噪声功率；
PB：基站的发射功率；
PD：D2D用户发射设备的发射功率；
蜂窝通信系统基站与蜂窝用户之间的路径增益；
D2D通信系统中DTUEj与蜂窝用户Ci之间的路径增益；
DTUEj'与DRUEj之间的链路增益；
δij:第i个蜂窝用户CUEi与第j个D2D用户对DUEj之间资源复用的情况；
B：子信道带宽。
如图1所示，本发明实施例提供的一种改进蝙蝠算法的5G通信系统容量优化方法，包括以下步骤：
(1)初始化：
1)初始化系统参数，所述参数包括R，B等；
2)获取网络中CUE移动终端的数量M,D2D通信移动终端对的数量N，通过初始化生成携带不同位置信息的蝙蝠个体；如图3所示，通过初始化过程生成携带类似于位置信息{4,1,2,1,1,2,3,4}的蝙蝠个体。其中每一个元素代表一个DUE，元素的内容代表该DUE所复用的频谱资源。每只蝙蝠携带的不同位置信息即为不同的用户组合序列，对应于不同的资源分配方案。
(2)对随机初始化形成的蝙蝠种群进行反向初始化，由于基本蝙蝠算法的初始解是随机生成的，若初始解生成在劣解附近，则会影响后期迭代的种群个体，导致算法后期寻优方向错误。本步骤对随机初始化生成的蝙蝠种群进行反向初始化，得到相应的反向蝙蝠种群后，将随机初始化的蝙蝠种群和相应的反向蝙蝠种群总和作为初始蝙蝠种群。获得反向蝙蝠种群的公式为：x′i＝ai+bi-xi，其中，xi∈[ai,bi](i＝1,2,…N)；示意图见图4。
(3)以最大化系统容量为目标，计算每个蝙蝠个体的信道容量值，并作为改进蝙蝠算法的适度值，其中信道容量的求解过程如下：
在D2D通信系统中，蜂窝用户会受到来自复用其信道资源的D2D用户的信号干扰，因此蜂窝用户Ci的SINR为：
DRUE会受到来自基站的信号干扰以及来自其他D2D用户对发射设备的信号干扰，因此D2D用户对接收终端DRUEj处的SINR可以表示为：
为了保证所有通信用户的正常通信，通信用户的SINR必须大于阈值SINRth。蜂窝用户的容量为：
D2D用户的容量为：
所有蝙蝠种群对应的系统总容量的的计算公式为：
对该系统容量优化模型而言，优化的目标函数可以表示为：
(4)计算出蝙蝠种群的适度值后，根据适度值的大小排序选择满足条件的优秀个体，将这些优秀的蝙蝠个体作为改进蝙蝠算法的初始解；
(5)选择父蝙蝠种群中优秀的个体进行交叉变异，产生新的优秀个体。交叉是从种群中选择两个个体，交换其部分内容，把父代的优秀特点遗传给子代。变异是从种群中随机选择一个个体，选择个体中的一部分进行变异以产生更优秀的个体。交叉变异操作完成后，蝙蝠个体的多样性得到提升，避免算法中后期蝙蝠种群个体因过早陷入局部最优无法达到预期目标；
(6)将交叉变异前后的蝙蝠种群混合，根据适度值排序从中选择一定数量的优良个体组成新的种群，将产生的新解中不满足正常通信准则(所有CUE和DUE对的信干扰噪声比SINR都需要大于等于信干扰噪声比阈值)的蝙蝠个体剔除。群体中每只蝙蝠代表问题的一个解，即一种D2D用户组合方式，不同的解代表复用蜂窝用户信道资源的D2D用户组合不同；
(7)判断迭代是否结束，若否，返回步骤(5)，若迭代完毕，结束方法。
图5是系统容量与迭代次数的关系图，图6是系统容量与信干噪比阈值的关系图，其分别分析了改进蝙蝠算法、基本蝙蝠算法和随机算法的系统容量性能。从图中可以看出每次计算所得的最优系统容量值都会在一定区间内波动，这是由于小区内用户位置的随机性，即使蜂窝用户终端和D2D用户终端数量固定，也很难获得该D2D通信模型下系统容量的实时精确值。从上述两图中我们可以清晰地得到，当算法迭代次数和SINRth值不同时，随机算法性能最劣，基本蝙蝠算法性能有所提升，而改进式蝙蝠算法最优。我们可以通过比较不同参数变化的直方图，寻找到最优的终端用户组合方式，实现资源的合理分配，优化系统容量，验证了改进蝙蝠算法应用于D2D资源分配领域的性能优势。
图7是不同算法的迭代对比图，为了评估改进蝙蝠算法在D2D通信系统容量分析中性能的优越性，本发明通过蒙特卡罗仿真实验对改进蝙蝠算法、基本蝙蝠算法和随机算法进行仿真对比，迭代次数采取了50次。从图中可以看出改进蝙蝠算法的初始解大于基本蝙蝠算法，这是因为算法前期采用反向初始化蝙蝠种群生成较为优秀的初始种群。随着迭代次数的增加，改进蝙蝠算法寻得最优解的速度要远远大于基本蝙蝠算法，因为改进算法在中后期采用了交叉变异操作，有效提升了种群的多样性。与基本蝙蝠算法相比，改进蝙蝠算法有目标函数初始解优、寻优精确度高以及收敛速度快的良好特点。
如上所述，本发明的基于改进蝙蝠算法的5G通信系统容量优化方法，能合理复用通信终端用户的信道资源，有效提升系统容量，其性能优越且易于实现。

Claims (5)

1.一种基于改进蝙蝠算法的5G通信系统容量优化方法，系统中的终端包括蜂窝网络终端(CUE)和D2D移动终端(DUE)，一对DUE包括D2D发射移动终端(DTUE)和D2D接收移动终端(DRUE)，其中有M个CUE和N对DUE共享下行链路资源，M和N均为大于0的整数，其特征在于，所述方法包括以下步骤：
(1)初始化系统基本参数并随机初始化标识资源分配方案的蝙蝠种群；所述参数包括小区半径、信号干扰噪声比阈值以及迭代次数；每个蝙蝠个体包括N个元素，每个元素内容代表一个DUE所复用的CUE的信道资源；
(2)对随机初始化生成的蝙蝠种群进行反向初始化，得到相应的反向蝙蝠种群，将随机初始化的蝙蝠种群和相应的反向蝙蝠种群作为初始蝙蝠种群；
(3)计算初始蝙蝠种群的信道容量值作为适度值；
(4)根据适度值选择优秀蝙蝠个体作为改进蝙蝠算法的初始解；
(5)将父蝙蝠种群中优秀蝙蝠个体进行交叉变异，从而产生新的优秀种群；
(6)将交叉变异前后的蝙蝠种群混合，根据适度值排序选出一定数量的优秀个体作为下一代迭代的蝙蝠种群；
(7)判断迭代是否结束，若否，返回步骤(5)，若迭代完毕，结束方法，得到系统容量最大的资源分配方案。
2.根据权利要求1所述的基于改进蝙蝠算法的5G通信系统容量优化方法，其特征在于，所述步骤(2)中反向初始化的计算公式为：
x′i＝ai+bi-xi
其中，xi∈[ai,bi]i＝1,2,…N是蝙蝠个体中元素的编号，ai,bi分别为最小值和最大值。
3.根据权利要求1所述的基于改进蝙蝠算法的5G通信系统容量优化方法，其特征在于，所述步骤(3)中以最大化系统容量为目标，计算每个蝙蝠个体的信道容量值Csum，并作为改进蝙蝠算法的适度值；
其中，B为子信道带宽，SINRi为CUEi接收到的SINR，SINRj为DRUEj接收到的SINR。
4.根据权利要求1所述的基于改进蝙蝠算法的5G通信系统容量优化方法，其特征在于，所述步骤(4)中计算出初始蝙蝠种群的适度值后，根据适度值的大小排序选择满足条件的优秀个体，将这些优秀的蝙蝠个体作为改进蝙蝠算法的初始解。
5.根据权利要求1所述的基于改进蝙蝠算法的5G通信系统容量优化方法，其特征在于，所述步骤(6)中将交叉变异前后的蝙蝠种群混合，群体中每只蝙蝠代表问题的一个解，依据适度值排序组成新的优良种群剔除不符合通信质量要求的个体。
CN201810823142.6A 2018-07-25 2018-07-25 一种基于改进蝙蝠算法的5g通信系统容量优化方法 Active CN108990160B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810823142.6A CN108990160B (zh) 2018-07-25 2018-07-25 一种基于改进蝙蝠算法的5g通信系统容量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810823142.6A CN108990160B (zh) 2018-07-25 2018-07-25 一种基于改进蝙蝠算法的5g通信系统容量优化方法

Publications (2)

Publication Number Publication Date
CN108990160A true CN108990160A (zh) 2018-12-11
CN108990160B CN108990160B (zh) 2020-07-31

Family

ID=64550373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810823142.6A Active CN108990160B (zh) 2018-07-25 2018-07-25 一种基于改进蝙蝠算法的5g通信系统容量优化方法

Country Status (1)

Country Link
CN (1) CN108990160B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109982437A (zh) * 2018-12-21 2019-07-05 北京邮电大学 一种基于位置感知加权图的d2d通信频谱分配方法
CN112217678A (zh) * 2020-10-14 2021-01-12 哈尔滨工程大学 基于量子帝王蝶优化机制的双层异构网络频谱分配方法
CN110399817B (zh) * 2019-07-15 2021-11-09 西安邮电大学 一种基于改进蝙蝠算法的eeg通道选择方法
CN115348610A (zh) * 2022-10-18 2022-11-15 成都市以太节点科技有限公司 一种毫米波多链路自适应通信方法、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105873214A (zh) * 2016-03-24 2016-08-17 河海大学 一种基于遗传算法的d2d通信系统的资源分配方法
WO2017078598A1 (en) * 2015-11-06 2017-05-11 Telefonaktiebolaget Lm Ericsson (Publ) Network node, wireless device and methods therein for handling radio resources
EP3167682A1 (en) * 2014-07-11 2017-05-17 Sony Corporation Control of offloading for device-to-device traffic in a cellular network
CN106714083A (zh) * 2016-12-06 2017-05-24 河海大学 一种基于捕食搜索算法的5g通信系统的资源分配方法
CN106792451A (zh) * 2016-12-17 2017-05-31 河海大学 一种基于多种群遗传算法的d2d通信资源优化方法
US20170289845A1 (en) * 2016-03-30 2017-10-05 Industrial Technology Research Institute Communication system, communication device, base station and method thereof for d2d communications
US20180020357A1 (en) * 2015-02-26 2018-01-18 Zte Corporation Method and Apparatus for Acquiring Management Policy of Heterogeneous Network
CN108416421A (zh) * 2018-03-09 2018-08-17 大连大学 基于dde改进蝙蝠算法的动态火力分配方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3167682A1 (en) * 2014-07-11 2017-05-17 Sony Corporation Control of offloading for device-to-device traffic in a cellular network
US20180020357A1 (en) * 2015-02-26 2018-01-18 Zte Corporation Method and Apparatus for Acquiring Management Policy of Heterogeneous Network
WO2017078598A1 (en) * 2015-11-06 2017-05-11 Telefonaktiebolaget Lm Ericsson (Publ) Network node, wireless device and methods therein for handling radio resources
CN105873214A (zh) * 2016-03-24 2016-08-17 河海大学 一种基于遗传算法的d2d通信系统的资源分配方法
US20170289845A1 (en) * 2016-03-30 2017-10-05 Industrial Technology Research Institute Communication system, communication device, base station and method thereof for d2d communications
CN106714083A (zh) * 2016-12-06 2017-05-24 河海大学 一种基于捕食搜索算法的5g通信系统的资源分配方法
CN106792451A (zh) * 2016-12-17 2017-05-31 河海大学 一种基于多种群遗传算法的d2d通信资源优化方法
CN108416421A (zh) * 2018-03-09 2018-08-17 大连大学 基于dde改进蝙蝠算法的动态火力分配方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
NIFTY FATH等: "Optimal resource allocation scheme in femtocell networks based on bat algorithm", 《IEEE》 *
NUSRAT JAHAN 等: "An adaptive link selection algorithm for cognitive cooperative network using modified bat algorithm", 《IEEE》 *
吕赵明等: "改进的新型蝙蝠算法", 《计算机技术与发展》 *
张士磊等: "基于改进蝙蝠算法的多传感器多目标分配", 《电光与控制》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109982437A (zh) * 2018-12-21 2019-07-05 北京邮电大学 一种基于位置感知加权图的d2d通信频谱分配方法
CN109982437B (zh) * 2018-12-21 2021-04-09 北京邮电大学 一种基于位置感知加权图的d2d通信频谱分配方法
CN110399817B (zh) * 2019-07-15 2021-11-09 西安邮电大学 一种基于改进蝙蝠算法的eeg通道选择方法
CN112217678A (zh) * 2020-10-14 2021-01-12 哈尔滨工程大学 基于量子帝王蝶优化机制的双层异构网络频谱分配方法
CN112217678B (zh) * 2020-10-14 2023-03-17 哈尔滨工程大学 基于量子帝王蝶优化机制的双层异构网络频谱分配方法
CN115348610A (zh) * 2022-10-18 2022-11-15 成都市以太节点科技有限公司 一种毫米波多链路自适应通信方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN108990160B (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
Cai et al. A graph-coloring based resource allocation algorithm for D2D communication in cellular networks
CN108990160A (zh) 一种基于改进蝙蝠算法的5g通信系统容量优化方法
Deruyck et al. Power consumption in wireless access network
CN106231620A (zh) 一种蜂窝网络中d2d通信的联合功率控制及比例公平调度的方法
CN104105158A (zh) 一种基于d2d中继通信的中继选择方法
CN106376056A (zh) 一种短波快速建链系统的实现方法
CN102056177B (zh) 协作多点传输技术中协作节点选择及无线资源调度方法
CN105873214B (zh) 一种基于遗传算法的d2d通信系统的资源分配方法
CN106358308A (zh) 一种超密集网络中的强化学习的资源分配方法
CN107466069A (zh) 无线网络中基于双连接与非正交多址接入的能效优化方法
CN107426820A (zh) 一种认知d2d通信系统中多用户博弈提高能效的资源分配方法
CN107708157A (zh) 基于能效的密集小蜂窝网络资源分配方法
CN108600999A (zh) Fd-d2d基于信道分配与功率控制联合优化方法
CN107333333A (zh) 一种基于用户业务流的资源分配方法
CN104902574B (zh) 一种基于能效的天线选择和功率分配方法
CN106131855A (zh) 一种5g高密度网络中虚拟小区的信道分配方法
CN105451268B (zh) 一种高能效的异构小区接入方法
CN106921998A (zh) 一种混合能源供电移动通信网络的接入控制系统和方法
Akhtar et al. Cooperative game radio resource management scheme for small cell network
Gong et al. Round-robin resource sharing algorithm for device-to-device multicast communications underlying single frequency networks
CN104320772A (zh) 基于信任度和物理距离的d2d通信节点成簇方法和装置
CN102196585B (zh) 一种协同多点传输下行传输方式的确定方法
CN104010341A (zh) 一种用于高效协同组播通信中的中继选择和功率控制方法
CN106714083B (zh) 一种基于捕食搜索算法的5g通信系统的资源分配方法
CN103402268B (zh) 一种基于改进的弦距离的下行mu_comp调度方法

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
TR01 Transfer of patent right

Effective date of registration: 20210315

Address after: 210000 No.7, Fenghuang Road, Pukou Economic Development Zone, Nanjing, Jiangsu Province

Patentee after: TALENT-SCI Co.,Ltd.

Address before: 211100 No. 8 West Buddha Road, Jiangning District, Jiangsu, Nanjing

Patentee before: HOHAI University

TR01 Transfer of patent right