1.一种基于多目标优化的太赫兹频段分布式星群接入控制方法,其特征在于,包括以下步骤:
s1,构建太赫兹频段分布式星群网络模型,建立接入控制多目标优化模型;
s2,获取用户卫星发送的新接入任务请求信息,获取分布式星群各节点的资源状态;
s3,确定所有新接入任务请求的优先级,按照其优先级从高到底的顺序对所有新接入任务请求进行排序,并将所有新接入任务请求信息存入集合l;
s4,读取集合l中优先级最高的任务请求信息;
s5,将步骤s4中读取的任务请求信息输入多目标蚁群优化算法,利用多目标蚁群优化算法,求解该任务在分布式星群网络中的最优传输路径;
s6,根据步骤s5的求解结果,判断是否存在最优传输路径,若不存在最优传输路径,则将当前任务请求信息从集合l中移除,则执行s7;若存在最优传输路径,则执行s7;
s7,根据步骤s5求得的最优传输路径,对星上资源进行分配,并将当前任务请求信息从集合l中移除;
s8,判断集合l是否为空集,若是,则执行s9;否则跳转至s4;
s9,完成用户卫星请求的接入控制。
2.如权利要求1所述的基于多目标优化的太赫兹频段分布式星群接入控制方法,其特征在于,所述的步骤s1,构建太赫兹频段分布式星群网络模型,建立接入控制多目标优化模型;太赫兹频段分布式星群网络系统采用多波束技术和频分多址体制,具有一个全局波束和k个点波束,其中全局波束为控制信道,点波束为数据传输信道;所述的太赫兹频段分布式星群网络模型,分布式星群网络由μ个分布式卫星节点组成,卫星节点的集合表示为
建立接入控制多目标优化模型,模型中要进行优化的三个目标分别表示为o1,o2和o3,o1是指在太赫兹频段分布式星群网络中所有接入请求的总时延最小,其表达式为,
o2是指在太赫兹频段分布式星群网络中所有接入请求的吞吐量最大,其表达式为,
o3是指在太赫兹频段分布式星群网络中所有接入请求的网络效益最大,其表达式为,
多目标优化函数表示为:
其中,从卫星节点vk到卫星节点vl的时延表示为
其中,
g=w1o1+w2o2+w3o3,
接入控制方法包含三种策略,具体为:最小时延呼叫接入控制策略,最大吞吐量呼叫接入控制策略和最大网络效益呼叫接入控制策略;
利用所述的最小时延呼叫接入控制策略进行接入控制时,首先为每个用户的接入请求计算一个可供选择的路径集;然后,根据每个路径的跳数,按跳数降序对可供选择的路径集中的路径进行排序;最后,选择跳数最少的路径来实现用户的呼叫接入控制;
利用所述的最大吞吐量呼叫接入控制策略进行接入控制时,首先选出一部分路径作为用户接入请求的备用路径集;然后,计算备用路径集中每个用户接入请求的路径传输速率;最后,对备用路径集中的路径按其路径传输速率进行降序排列,然后选择具有最大路径传输速率的路径,来实现用户的呼叫接入控制;
利用所述的最大网络效益呼叫接入控制策略进行接入控制时,首先将可用路径按照其特点进行划分并作为接入请求的备用路径集;然后,分别计算备用路径集中各路径的带宽和功率的总网络效益;最后,按照路径的带宽和功率的总网络效益递减的顺序,对备用路径集中的路径进行排序,选择具有最大总网络效益的路径来实现用户的呼叫接入控制。
3.如权利要求1所述的基于多目标优化的太赫兹频段分布式星群接入控制方法,其特征在于,所述的步骤s5,其具体包括,
s51,提高蚁群算法的初期搜索效率;引入引导因子,迭代次数越多,引导因子就可以越快速地引导蚂蚁在初期寻路时找到正确的路径节点,路径节点i的引导因子λi为:
其中m为蚂蚁总数,ui为节点i上的蚂蚁数量,o为目的节点,dio为路径节点i到目的节点o的距离,nmax为迭代总数,n为已进行的迭代次数;引入引导因子后,第t次循环时,蚂蚁k从节点i到节点j的转移概率pijk(t)为,
其中λi(t)为t次循环时节点i的引导函数,λj(t)为t次循环时节点j的引导函数,τij(t)为t次循环时节点i与节点j之间路径上的信息素浓度,τis(t)为t次循环时节点i与节点s之间路径上的信息素浓度,allowedk表示蚂蚁k下一步可供选择节点的集合,j,s∈allowedk分别表示节点j和节点s;
s52,改进信息素浓度更新规则;引入精英策略,在每次迭代后,对所有已发现的最优路径,提高其信息素浓度,以在下一次循环中使得已找出的最优路径获得更多的资源,在完成一次迭代后,对节点i与节点j之间路径e(i,j)上的信息素进行更新:
τij(t+1)=ρ×τij(t)+δτij+δτij*,
τij(t+1)、τij(t)分别表示循环t+1和t次时路径e(i,j)上的信息素浓度,ρ为信息素挥发因子,令l*为最优路径的长度,δτij*表示本次循环中精英蚂蚁留在路径e(i,j)上的信息素浓度,χ1为精英蚂蚁的数量,若路径e(i,j)是最优路径的一部分,则δτij*=χ1c/l*,否则为δτij*=0,常数c为e(i,j)的初始信息素浓度,对于δτij的计算,其具体步骤包括:在所有蚂蚁都完成一次遍历后,按照路径长度以从短到长的顺序对蚂蚁进行排序,选取排序的前m/3只蚂蚁设置为精英蚂蚁,根据每个蚂蚁留在路径e(i,j)上信息素浓度值对每个蚂蚁的排名进行调整加权,加权系数为lδ-lh/lδ-l*,lδ为本次迭代平均路径长度,lh为排序序号h的精英蚂蚁走过的路径长度,则δτij的计算公式为:
其中δτijh表示本次循环中序号h的精英蚂蚁留在e(i,j)上的信息素浓度,若序号h的精英蚂蚁经过e(i,j),则δτijh为:
若序号h的精英蚂蚁不经过e(i,j),则δτijh为0;
s53,改进信息素挥发因子;信息素挥发因子ρ的取值服从正态分布,信息素挥发因子的概率密度函数ρ(g)的计算公式为:
g为当前最优蚂蚁的序号,μ为优秀解的搜索期望值,σ为一次迭代后最优蚂蚁g与较差蚂蚁信息素浓度差的方差值,nmax为迭代总数,τg为当前最优蚂蚁的信息素浓度。