基于無線異構網絡的虛擬資源多目標映射方法技術

本發明專利技術針對現有無線網絡體系存在“靜態”和“僵化”等弊端，難以滿足通信對網絡靈活性、移動性、智慧化的需求，公開了一種基于無線異構網絡的虛擬資源多目標映射方法。該方法先根據虛擬無線網絡映射時的多目標特性，采用混合策略，構建以網絡吞吐量、用戶的QoE、基礎設施的能量消耗為目標函數的多目標優化模型；接著采用強度進化方法對提出的多目標模型進行優化求解。從而達到在不同的時刻不同的網絡負載量下，實現多目標共贏。

【技術實現步驟摘要】
基于無線異構網絡的虛擬資源多目標映射方法
本專利技術涉及移動通信
，更為具體地，涉及一種基于無線異構網絡的虛擬資源多目標映射方法。
技術介紹
隨著移動設備的發展，用戶對網絡質量的要求越來越高，從而容量、吞吐量(throughput)、延遲等成為第5代通信系統(5G)的一項重要指標。然而以頻譜為代表的無線網絡資源則顯得日趨緊張，提高無線頻譜利用的有效性，以提高無線通信系統的信道容量研究具有重大意義。一些學者采用自適應調制技術(AM)、多天線技術(MIMO)、認知無線電技術(CR)等提高無線頻譜利用的有效性等方面來提高網絡的容量、吞吐量。由于通信網絡的最終目的是為終端用戶提供各式各樣的服務并帶來方便。用戶的需求是最重要的，他們對服務質量和網絡性能具有最終裁決權，其對網絡服務和產品的取舍和忠誠度決定了整個通信系統價值鏈中每個環節的存亡。體驗質量(QualityofExperience，簡稱為QoE)的概念就是由此而產生，如何保證用戶的QoE的研究具有重大意義。由于用戶的QoE主要體現在對各種不同的業務在不同的價格上有不同的需求。由于各種業務對傳輸信息的協議有不同的要求，在不改變網絡結構的基礎上，提高用戶的QoE可以轉化為讓不同的業務選擇適合自己的協議。隨著綠色網絡研究的興起,網絡能耗問題成為研究熱點，可見以節能為目標的無線網絡研究具有重大意義。而現存的網絡主要是面向峰值設計的，網絡的平均負載一般來說大大低于忙時負載，在非峰值時在保證用戶使用的基礎上使一部分基站進入休眠是一種不錯的節能方法。隨著無線通信網絡用戶的日益龐大，帶來了各種無線接入技術的飛速發展。特別是隨著“三網融合”概念的提出，更加速了多種異構網絡的泛在融合。因此一方面必須對無線網絡資源進行整體規劃、智能管理、優化決策和調度，以提高網絡資源的合理利用。而對無線網絡使用的不同群體所希望的目標是不一樣的。如運營商則希望網絡的吞吐量越來越高，系統隨時都能達到飽負荷的運行。用戶則希望QoE越來越好，能夠隨時隨地高質量的使用各種業務。基礎設施供應商則希望系統是節能的。現有網絡體系存在“靜態”和“僵化”等多種弊端，難以滿足通信對網絡靈活性、移動性、智慧化的需求。現在的網絡是一個綜合體，但不同的群體所關注網絡的側重點不一樣。因此，不論是運營商，基礎設施供應商還是用戶級考慮，都需要對現有網絡進行功能切分，提供多目標服務。在不改變網絡的結構上，根據網絡的不同負載量，借助虛擬化映射技術通過資源的動態調配實現多目標的共贏具有重大研究意義。雖然無線資源根據不同的劃分方式在不同的網絡系統中有不同的表達方式，但是傳輸媒質都是統一的電磁波。因此，不同的網絡信息傳輸時是用電磁頻譜在不同正交空間中分割時的表達，本質上都可以映射為對等效頻譜的占用，利用各種解析方法表達各自空間的資源(如WLAN中的等效占用信道時間)，各個系統雖然有所不同，但這個資源一定可以表達為用戶數、用戶業務服務質量(QualityofService，簡稱為QoS)和物理層速率的函數。目前在這方面沒有很好的研究。
技術實現思路
本專利技術針對現有無線網絡體系存在“靜態”和“僵化”等弊端，難以滿足通信對網絡靈活性、移動性、智慧化的需求，提供一種基于無線異構網絡的虛擬資源多目標映射方法，通過將異構的無線資源統一表達為等效帶寬，再根據網絡的負載量在不同的時期按不同的方法進行映射，從而達到多目標共贏。本專利技術提供的基于無線異構網絡的虛擬資源多目標映射方法，包括：初始化階段和虛擬資源映射階段；其中，初始化階段，包括：步驟S11：初始化虛擬小區與網絡節點的對應關系，具體如下：在區域G中，虛擬小區與網絡節點的資源供求關系為：其中，vibsj表示節點jth為虛擬小區ith提供的資源數量；每個節點最多能夠為每一個虛擬小區提供的無線資源數量為：其中，overcavers(vi,bsj)表示節點jth與虛擬小區ith重疊覆蓋的面積，為節點jth的無線資源數量，為節點jth的覆蓋面積，rbsj為節點jth的覆蓋半徑；基于每個節點對資源處理能力的上限，式(1)的約束條件為：其中Nv＝{v1,vi,…}是虛擬化小區的集合，vi為一個具體和虛擬小區。基于每個虛擬小區的資源的處理請求，式(1)的約束條件為：其中，NH,BS是物理節點的集合，即，基站的集合，vibsj的取值關系如下式所示：步驟S12：初始化業務與網絡節點對應的關系，具體包括：業務與網絡節點對應的關系BSW為：其中，bsiwj表示虛擬小區ith中節點jth的業務服務能力；步驟S13：初始化業務與虛擬小區的關系，具體包括：在某個時間段T內，各虛擬小區存在的相關業務WV為：其中，wivj表示虛擬小區jth存在ith業務的數量；基于虛擬小區在時間段T內的業務的總量，式(6)的約束條件：其中，表示處理ith業務需要的最少無線資源數量；n表示業務的個數；步驟S14：初始化虛擬小區與網絡節點能量消耗的關系，具體包括：每個網絡節點的能量消耗Ei為：其中，表示空閑時的能量消耗，表示傳送數據時的能量消耗，表示睡眠時的能量消耗，T表示工作的時間；每個網絡節點為每一個虛擬小區的能量消耗如：其中，為從網絡節點bsi發送數據到虛擬小區vj時的能量消耗，為可視路徑的能量損耗；虛擬小區與網絡節點能量消耗的對應關系為：步驟S15：初始化種群規模NP；步驟S16：染色體的初始位選取，具體包括：染色體xk的初始位置可以隨機產生，其初始化方式為：xk＝xmink+(xmaxk-xmink)×random(0,1)(11)其中，染色體xk為節點ith對虛擬小區jth提供的資源數量，xk＝vjbsi，k＝(j-1)*i+i，k∈{1,2,…}，random(0,1)是指0到1間均勻分布的隨機數，xmaxk和xmink表示搜索空間的邊界，每個種群X(l)的表達式為：其中，str(xk)表示對xk按字符串方式操作，l表示種群的編號，l∈{1,2,…,NP}。步驟S17：初始化迭代次數IP；步驟S18：計算初始化種群的目標函數F(X)，具體包括：采用將多個目標通過線性加權的手段將原多目標問題轉化為單目標問題，再釆用單目標動態優化算法進行求解，單目標動態優化算法為：其中，是通過機器學習方法所得的系數，f1(x)為網絡的總吞吐量，其表達式為：其中，R(i,j)為瞬時吞吐量，其計算公式：R(i,j)＝log2(1+SINRi,j)(15)其中，SINRi,j為節點ith提供虛擬小區jth的資源時所受到的同頻及鄰頻的信干比，則每個虛擬小區所受到的信干比為：其中，Pi,j為節點ith提供虛擬小區jth的發送功率，Gi為鏈路增溢，為虛擬小區jth的接收到同信道的功率，為虛擬小區jth的接收到臨信道的功率，σ2為噪聲；f2(x)表示每個節點為每個虛擬小區提供的體驗質量QoEi,j，f2(x)的計算公式如下：QoEi,j的計算公式如下：根據多目標優化算法求解原則，把式(17)最大化目標函數轉化為最小化目標函數：f3(x)為網絡的總體能量消耗，其計算公式如下：其中，Etotal為整個區域所有節點的能量消耗，Ei為單個節點的能量消耗，NH為異構網絡的種類，BS為不同網絡的節點數，Active表示節點處于活躍狀態，Sleep表示節點處于休眠狀態。本文檔來自技高網...

【技術保護點】
一種基于無線異構網絡的虛擬資源多目標映射方法，包括：初始化階段和虛擬資源映射階段；其中，所述初始化階段，包括：步驟S11：初始化虛擬小區與網絡節點的對應關系，具體如下：在區域G中，虛擬小區與網絡節點的資源供求關系為：其中，vibsj表示節點jth為虛擬小區ith提供的資源數量；每個節點最多能夠為每一個虛擬小區提供的無線資源數量為：[vibsj]Maxrr=overcaverS(vi,bsj)bsjsH×bsjcH---(2)]]>其中，overcavers(vi,bsj)為節點jth與虛擬小區ith重疊覆蓋的面積，為節點jth的無線資源數量，為節點jth的覆蓋面積，rbsj為節點jth的覆蓋半徑；基于每個節點對資源處理能力的上限，式(1)的約束條件為：Σi=1Nvvibsj≤bsjcH---(3)]]>基于每個虛擬小區的資源的處理請求，式(1)的約束條件為：Σj=1NH,BSvibsj≥virr---(4)]]>其中，vibsj的取值關系如下式所示：0≤vibsj≤[vibsj]Maxrr]]>步驟S12：初始化業務與網絡節點對應的關系，具體包括：業務與網絡節點對應的關系BSW為：其中，bsiwj表示虛擬小區ith中節點jth的業務服務能力；步驟S13：初始化業務與虛擬小區的關系，具體包括：在某個時間段T內，各虛擬小區存在的相關業務WV為：其中，wivj表示虛擬小區jth存在ith業務的數量；基于虛擬小區在時間段T內的業務的總量，式(6)的約束條件：Σi=1nwirr×wivj=vjrr---(7)]]>其中表示處理ith業務需要的最少無線資源數量；步驟S14：初始化虛擬小區與網絡節點能量消耗的關系，具體包括：每個網絡節點的能量消耗Ei為：Ei=T×piidle+EidataActiveT×pisleepSleep---(8)]]>其中，表示空閑時的能量消耗，表示傳送數據時的能量消耗，表示睡眠時的能量消耗，T表示工作的時間；每個網絡節點為每一個虛擬小區的能量消耗如：Ebsivjdata=vjbsi×pbsivj---(9)]]>其中，為從網絡節點bsi發送數據到虛擬小區vj時的能量消耗，為可視路徑的能量損耗；虛擬小區與網絡節點能量消耗的對應關系為：步驟S15：初始化種群規模NP；步驟S16：染色體的初始位選取，具體包括：染色體xk的初始位置的初始化方式為：xk＝xmin?k+(xmax?k?xmin?k)×random(0,1)??(11)其中，染色體xk為節點ith對虛擬小區jth提供的資源數量，xk＝vjbsi，k＝(j?1)*i+i，k∈{1,2,…}；random(0,1)是指0到1間均勻分布的隨機數，xmax?k和xmin?k表示搜索空間的邊界，每個種群X(l)的表達式為：X(l)=Σi=1NH,BSΣj=1Nvstr(xk)---(12)]]>其中，str(xk)表示對xk按字符串方式操作，l表示種群的編號，l∈{1,2,…,NP}；步驟S17：初始化迭代次數IP；步驟S18：計算初始化種群的目標函數F(X)，具體包括：采用將多個目標通過線性加權的手段將原多目標問題轉化為單目標問題，再釆用單目標動態優化算法進行求解，單目標動態優化算法為：F(X)=Γx,,t1×f1(x)+Γx,,t2×f2,(x)+Γx,,t3×f3(x)---(13)]]>其中，是通過機器學習方法所得的系數，f1(x)為網絡的總吞吐量，其表達式為：min f1(x)=Σi=1,j=1i≤NH,BS,j≤Nvxk×R(i,j)---(14)]]>其中，R(i,j)為瞬時吞吐量，其計算公式：R(i,j)＝log2(1+SINRi,j)??(15)其中，SINRi,j為節點ith提供虛擬小區jth的資源時所受到的同頻及鄰頻的信干比，則每個虛擬小區所受到的信干比為：SINRi,j=Pi,j×GiΣi=1NH,BSPi,×Gi+Σi=1NH,BSPi±1,×Gi+σ2---(16)]]>其中，Pi,j為節點ith提供虛擬小區jth的發送功率，Gi為鏈路增溢，為虛擬小區jth的接收到同信道的功率，為虛擬小區jth的接收到臨信道的功率，σ2為噪聲；f2(x)表示節點ith為虛擬小區jth提供的體驗質量QoEi,j，f2(x)的計算公式如下：max f2(x)=&...

【技術特征摘要】
1.一種基于無線異構網絡的虛擬資源多目標映射方法，包括：初始化階段和虛擬資源映射階段；其中，所述初始化階段，包括：步驟S11：初始化虛擬小區與網絡節點的對應關系，具體如下：在區域G中，虛擬小區與網絡節點的資源供求關系為：其中，vibsj表示節點jth為虛擬小區ith提供的資源數量；每個節點最多能夠為每一個虛擬小區提供的無線資源數量為：其中，overcavers(vi,bsj)為節點jth與虛擬小區ith重疊覆蓋的面積，為節點jth的無線資源數量，為節點jth的覆蓋面積，rbsj為節點jth的覆蓋半徑，即，基站的覆蓋半徑，一般為500米；基于每個節點對資源處理能力的上限，式(1)的約束條件為：其中Nv＝{v1,vi,…}是虛擬化小區的集合，vi為一個具體和虛擬小區；基于每個虛擬小區的資源的處理請求，式(1)的約束條件為：其中，NH,BS是物理節點的集合，即，基站的集合，vibsj的取值關系如下式所示：步驟S12：初始化業務與網絡節點對應的關系，具體包括：業務與網絡節點對應的關系BSW為：其中，bsiwj表示虛擬小區ith中節點jth的業務服務能力；步驟S13：初始化業務與虛擬小區的關系，具體包括：在某個時間段T內，各虛擬小區存在的相關業務WV為：其中，wivj表示虛擬小區jth存在ith業務的數量；基于虛擬小區在時間段T內的業務的總量，式(6)的約束條件：其中表示處理ith業務需要的最少無線資源數量，n表示業務的個數；步驟S14：初始化虛擬小區與網絡節點能量消耗的關系，具體包括：每個網絡節點的能量消耗Ei為：其中，表示空閑時的能量消耗，表示傳送數據時的能量消耗，表示睡眠時的能量消耗，T表示工作的時間；每個網絡節點為每一個虛擬小區的能量消耗如：其中，為從網絡節點bsi發送數據到虛擬小區vj時的能量消耗，為可視路徑的能量損耗；虛擬小區與網絡節點能量消耗的對應關系為：步驟S15：初始化種群規模NP；步驟S16：染色體的初始位選取，具體包括：染色體xk的初始位置的初始化方式為：xk＝xmink+(xmaxk-xmink)×random(0,1)(11)其中，染色體xk為節點ith對虛擬小區jth提供的資源數量，xk＝vjbsi，k＝(j-1)*i+i，k∈{1,2,…}；random(0,1)是指0到1間均勻分布的隨機數，xmaxk和xmink表示搜索空間的邊界，每個種群X(l)的表達式為：其中，str(xk)表示對xk按字符串方式操作，l表示種群的編號，l∈{1,2,…,NP}；步驟S17：初始化迭代次數IP；步驟S18：計算初始化種群的目標函數F(X)，具體包括：采用將多個目標通過線性加權的手段將原多目標問題轉化為單目標問題，再釆用單目標動態優化算法進行求解，單目標動態優化算法為：其中，是通過機器學習方法所得的系數，f1(x)為網絡的總吞吐量，其表達式為：其中，R(i,j)為瞬時吞吐量，其計算公式：R(i,j)＝log2(1+SINRi,j)(15)其中，SINRi,j為節點ith提供虛擬小區jth的資源時所受到的同頻及鄰頻的信干比，則每個虛擬小區所受到的信干比為：其中，Pi,j為節點ith提供虛擬小區jth的發送功率，Gi為鏈路增溢，為虛擬小區jth的接收到同信道的功率，為虛擬小區jth的接收到臨信道的功率，σ2為噪聲；f2(x)表示節點ith為虛擬小區jth提供的體驗質量QoEi,j，f2(x)的計算公式如下：QoEi,j的計算公式如下：根據多目標優化算法求解原則，把式(17)最大化目標函數轉化為最小化目標函數：f3(x)為網絡的總體能量消耗，其計算公式如下：其中，Etotal為整個區域所有節點的能量消耗，Ei為單個節點的能量消耗，NH為異構網絡的種類，BS為不同網絡的節點數，Active表示節點處于活躍狀態，Sleep表示節點處于休眠狀態；步驟S19：從種群的目標函數中挑選最優值的種群存入外部精英存檔文件中，具體包括：初始時外部存檔A為空，如果試驗個體被外部存檔中的任何個體所支配，拒絕試驗個體進入外部存檔；如果試驗個體支配任何一個外部存檔任意個體，被支配的所有個體都將從外部存檔中刪除，再...

【專利技術屬性】
技術研發人員：肖蕾，鄒賽，
申請(專利權)人：重慶電子工程職業學院，
類型：發明
國別省市：重慶;85