基于量子猫群搜索机制的多目标中继选择方法与流程
本发明涉及的是一种多目标中继选择方法，具体是无线通信领域的多目标中继选择方法。
背景技术：
在移动通信系统中，中继是两个交换中心之间的一条传输通路。在协作多中继网络中，合理的中继节点的选择对于提高协作通信网络的系统容量、网络能量效率及用户间公平性，节约通信系统能量，降低数据传输的能耗和接收的误比特率等都有重要的意义。因此，如何选择合适的中继节点对于协作通信是十分重要的。
在信号传递过程中，中继协作通信技术由于具备灵活性和可实施性，其应用范围是十分广泛的。中继节点在adhoc网络中，可以对传输中的信号进行放大转发，将放大后的信号再传输给用户。在单用户场景下，往往存在多个候选的中继节点，其中的中继选择是np-hard问题，运算复杂度为指数级别，很难在短时间内求出最优解。因此，改进经典的人工智能演进方法，设计新的中继选择方案，在保证性能接近穷尽搜索得到的解的同时降低运算复杂度，具有较重要的意义。yindijing等在《ieeetransactionsonwirelesscommunications》上发表的“singleandmultiplerelayselectionschemesandtheirachievablediversityorders”提出了以接收端信噪比为优化目标的中继选择方案，利用最好最坏信道策略进行求解，仅仅考虑了信道的信噪比没有考虑网络能量效率，实用使用性低。xiaohuali在《electronicsletters》上发表的“optimalmultiple-relayselectionindual-hopamplify-and-forwardcooperativenetworks”提出了以接收端信噪比为目标函数的单目标问题，求出的解不是最优解，且没有综合考虑接收端信噪比和网络能量效率的中继选择多目标问题。
技术实现要素：
本发明的目的在于提供一种可以广泛的解决现实生活中的多目标中继选择问题的基于量子猫群搜索机制的多目标中继选择方法。
本发明的目的是这样实现的：
步骤一，建立中继系统模型，发送端sn发送信息，接收端dn接收信息，同时有r个候选的中继节点用于协作通信；
定义从发送端sn到第i个中继节点的信道状态信息为φi,i＝1,2,…,r，第i个中继节点到接收端dn的信道状态信息为gi，所有的信道状态信息服从参数为1的瑞利分布，发送端sn的发送功率为p，第i个中继的发送功率为pi，所有的中继转发方式为放大转发方式，则第i个中继的接收信号为
其中s是归一化的发送信号，且e|s|2＝1，e为数学期望，σi是对于第i个中继的均值为0，方差为1的高斯白噪声，由于中继的转发方式为放大转发方式，则接收到的信号为
其中ai表示第i个中继节点rni是否参与协作通信，ai＝1表示rni参与协作通信，ai＝0表示rni没有参与协作通信，
接收端的信噪比为
定义网络的能量效率为整个网络的吞吐量与系统消耗的功率比值，网络的能量效率为
其中c代表整个网络系统的吞吐量，ptotal代表整个协作网络消耗的能量，
提出以接收端信噪比为单目标的中继选择问题为
以网络能量效率为单目标的中继选择问题为
同时考虑接收端信噪比和网络能量效率的多目标中继选择问题为
步骤二，在r维空间中，初始化三个量子猫群，第1个量子猫群、第2个量子猫群和第3个量子猫群分别表示为s1，s2和s3；量子猫群s1和s2分别用于演化多目标中继选择的两个单目标，量子猫群s1演化接收端信噪比，量子猫群s2演化网络能量效率，量子猫群s3用于演化多目标中继选择问题；每只量子猫群有h只量子猫，第k,k＝1,2,3个量子猫群中第h只量子猫的第t代的量子位置表示为
其中
对于量子猫群s1，将所有量子猫的位置带入适应度函数进行计算，量子猫群s1中每只量子猫的适应度通过接收端信噪比公式进行计算，选出适应度最大的量子猫，称其为量子猫群s1的全局最优量子猫，其位置为量子猫群s1的全局最优位置，则第t代量子猫群s1的全局最优位置为
对于量子猫群s2，将所有量子猫的位置带入适应度函数进行计算，量子猫群s2中每只量子猫的适应度通过网络能量效率公式进行计算，选出适应度最大的量子猫，称其为量子猫群s2的全局最优量子猫，其位置为量子猫群s2的全局最优位置，则第t代量子猫群s2的全局最优位置为
对于量子猫群s3，将量子猫群中的所有量子猫进行非支配解排序和拥挤度计算，将非支配等级为1的个体加入非支配解集se中。
步骤三，对量子猫群s1和s2中的每一只量子猫进行更新，
量子猫群中的量子猫行为分为两种模式，一种为追踪模式，另外一种为搜寻模式，两种行为方式通过结合律mr进行交互操作，mr表示执行跟踪模式的量子猫的数量在整个量子猫群中所占的比例；对于量子猫的搜寻模式，定义三个基本要素，记忆池即smp、变化域即srd和变化数即cdc，记忆池的大小表明了在搜寻模式中，将每一只量子猫所复制的副本数目，在搜寻模式中，每一维的变化范围由变化域决定，变化数表示了在搜寻模式中，每一只量子猫变化的维度数目，以下为量子猫的搜寻模式过程：
1.根据记忆池的大小，将当前第k,k＝1,2个量子猫群第h只量子猫复制j个副本放在记忆池中；
2.对于记忆池中的第1个副本，保持原来的量子位置和位置，对于记忆池中其他的j-1个副本，根据变化数的大小，对复制的第j个量子猫副本的第r维进行更新，更新方程如下：
其中，j＝2,3,…,j，r∈{1,2,…,r}，abs(.)表示绝对值函数，
3.计算在记忆池中的j个副本的适应度值；
4.从j个副本中选择适应度最大的副本作为第k个量子猫群新的第h只量子猫；
以下为量子猫的搜寻模式过程：
1.对追踪模式的第k个量子猫群第h只量子猫的速度进行更新，更新方程如下：
其中，c为速度变化范围权系数，
2.判断第k个量子猫群第h只量子猫每一维的速度是否超过了边界范围，如果超过了边界范围，进行如下处理：
其中，vr,max表示第r维速度的最大边界。
3.对第k个量子猫群第h只量子猫的量子位置和位置进行更新，更新方程如下：
其中，
计算更新后的量子猫群s1中所有量子猫的适应度，适应度通过接收端信噪比公式进行计算，从更新后的量子猫群s1中找到适应度最大的量子猫的位置，将其位置的适应度与上一代量子猫群s1的全局最优位置的适应度进行比较，将适应度较优的位置选作量子猫群s1新的全局最优位置
计算更新后的量子猫群s2中所有量子猫的适应度，适应度通过网络能量效率公式进行计算，从更新后的量子猫群s2中找到适应度最大的量子猫的位置，将其位置的适应度与上一代量子猫群s2的全局最优位置的适应度进行比较，将适应度较优的位置选作量子猫群s2新的全局最优位置
步骤四：对于量子猫群s3中的每一量子猫进行更新；
以下为s3中处于搜寻模式的量子猫的更新过程：
1.根据记忆池的大小，将s3中第h只量子猫复制j个副本放在记忆池中；
2.对于记忆池中的j个副本，根据变化数的大小，对复制的第j个量子猫副本的第r维进行更新，更新方程如下：
其中，j＝1,2,…,j，r∈{1,2,…,r}。abs(.)表示绝对值函数，
3.对在记忆池中的j个副本进行非支配解排序和拥挤度计算，选出支配等级最高、拥挤度最大的副本作为种群s3的新的第h只量子猫；
以下为量子猫的搜寻模式过程：在这种模式下，量子猫通过各自的速度更新其量子位置和位置；以下为s3中处于追踪模式的量子猫的更新过程：
1.对s3中处于追踪模式的第h只量子猫的速度进行更新，
其中，c为速度变化范围权系数，
2.判断s3第h只量子猫每一维的速度是否超过了边界范围，如果超过了边界范围，进行如下处理：
其中，vr,max表示s3第r维速度的最大边界；
3.对s3第h只量子猫的量子位置和位置进行更新，更新方程如下：
步骤五：将s3更新产生的h只量子猫放入非支配解集se中；
对非支配解集se中的量子猫进行非支配解排序和拥挤度计算，保留前h只量子猫作为非支配解，然后令s3＝se，s3中的量子猫将参加下一次演进。
步骤六：在迭代过程中，每隔f/10代进行以下操作，f为最大迭代次数：根据第一个目标函数计算se的某一量子猫和s1中全局最优量子猫的适应度值，第一个目标函数为接收端信噪比，如果在se中该量子猫的适应度值大于s1中全局最优量子猫的适应度值，则将s1中全局最优量子猫替换为se中该量子猫，如果se中该量子猫的适应度值小于等于s1中全局最优量子猫的适应度值，则将se中该量子猫替换为s1中全局最优量子猫，根据第二个目标函数计算se的某一量子猫和s2中全局最优量子猫的适应度值，第二个目标函数为网络能量效率，如果在se中该量子猫的适应度值大于在s2中全局最优量子猫的适应度值，则将s2中全局最优量子猫替换为se中该量子猫，如果se中该量子猫的适应度值小于等于在s2中全局最优量子猫的适应度值，则将se中该量子猫替换为s2中全局最优量子猫；
步骤七：如果进化没有终止，返回步骤三，否则，终止迭代，输出se中的非支配解，得到中继选择方案。
本发明针对现有中继选择方法的不足，提出了一种基于量子猫群搜索机制的多目标中继选择方法，可以广泛的解决现实生活中的多目标中继选择问题。所设计的方案同时考虑接收端信噪比和网络能量效率，在满足接收端信噪比的同时又能使网络能量效率得到保证，节能环保，满足实际需求。
本发明充分考虑到中继协作网络中继选择过程中的多目标问题，设计基于量子猫群搜索机制的多目标中继选择方法，得到pareto解集。与现有技术相比，本发明充分考虑了中继选择过程中的多目标难题，具有以下优点：
(1)本发明解决了离散优化的中继选择问题，针对现有中继选择方法不能解决多目标问题的状况，设计了新颖的量子猫群搜索机制的多目标中继选择方法作为演进策略，可以解决实际生活中的多目标中继选择问题，所设计的方法性能稳定，可以短时间内求出最优中继选择方案。
(2)对于现有的中继选择方法往往保证信噪比的同时不能保证能量效率的问题，本发明提出的量子猫群搜索机制的中继选择方法可以解决多目标的优化问题，在保证信噪比的同时又能保证最大的网络能量效率，实现绿色通信，节省硬件资源，避免造成资源浪费。
(3)本发明设计的量子猫群搜索机制的多目标中继选择方法在求解多目标问题时，将单目标种群演化出的解与多目标种群的非支配解集进行信息交流，提高了收敛性，加快了多目标中继选择问题的求解速度。
(4)本发明将量子演化、猫群算法、多种群共生进化等思想进行结合，设计了可以求解多目标问题的基于量子猫群搜索机制的多目标中继选择方法，为其他工程问题的解决提供了新思路。
附图说明
图1量子猫群搜索机制的多目标中继选择方法示意图。
图2同时考虑信噪比和网络能量效率的穷尽搜索所有解与量子猫群搜索机制搜索出的非支配解(中继数目为14时)。
图3同时考虑信噪比和网络能量效率的量子猫群搜索机制搜索出的非支配解(中继数目为20时)。
图4同时考虑信噪比和网络能量效率的量子猫群搜索机制搜索出的非支配解与人工蜂群方法的单目标解(中继数目为30时)。
具体实施方式
下面举例对本发明做更详细的描述。
(1)建立中继系统模型，发送端sn发送信息，接收端dn接收信息，同时有r个候选的中继节点用于协作通信。
提出以接收端信噪比为单目标的中继选择问题
提出以网络能量效率为单目标的中继选择问题
同时考虑接收端信噪比和网络能量效率的多目标中继选择问题为
(2)在r维空间中，初始化三个量子猫群，第1个量子猫群、第2个量子猫群和第3个量子猫群分别表示为s1，s2和s3。量子猫群s1和s2分别用于演化多目标中继选择的两个单目标，量子猫群s1演化接收端信噪比，量子猫群s2演化网络能量效率，量子猫群s3用于演化多目标中继选择问题。每只量子猫群有h只量子猫，第k(k＝1,2,3)个量子猫群中第h只量子猫的第t代的量子位置可以表示为
其中
对于量子猫群s1，将所有量子猫的位置带入适应度函数进行计算，量子猫群s1中每只量子猫的适应度通过接收端信噪比公式进行计算，选出适应度最大的量子猫，称其为量子猫群s1的全局最优量子猫，其位置为量子猫群s1的全局最优位置，则第t代量子猫群s1的全局最优位置为
对于量子猫群s2，将所有量子猫的位置带入适应度函数进行计算，量子猫群s2中每只量子猫的适应度通过网络能量效率公式进行计算，选出适应度最大的量子猫，称其为量子猫群s2的全局最优量子猫，其位置为量子猫群s2的全局最优位置，则第t代量子猫群s2的全局最优位置为
对于量子猫群s3，将量子猫群中的所有量子猫进行非支配解排序和拥挤度计算。将非支配等级为1的个体加入非支配解集se中。
(3)对量子猫群s1和s2中的每一只量子猫进行更新。量子猫群中的量子猫行为分为两种模式，一种为追踪模式，另外一种为搜寻模式。两种行为方式通过结合律mr进行交互操作。mr表示执行跟踪模式的量子猫的数量在整个量子猫群中所占的比例。对于量子猫的搜寻模式，定义三个基本要素，记忆池(smp)、变化域(srd)和变化数(cdc)。记忆池的大小表明了在搜寻模式中，将每一只量子猫所复制的副本数目。在搜寻模式中，每一维的变化范围由变化域(srd)决定。变化数(cdc)表示了在搜寻模式中，每一只量子猫变化的维度数目。以下为量子猫的搜寻模式过程：
1.根据记忆池的大小，将当前第k(k＝1,2)个量子猫群第h只量子猫复制j个副本放在记忆池中。
2.对于记忆池中的第1个副本，保持原来的量子位置和位置。对于记忆池中其他的(j-1)个副本，根据变化数(cdc)的大小，对复制的第j个量子猫副本的第r维进行更新，更新方程如下：
其中，j＝2,3,…,j，r∈{1,2,…,r}。abs(.)表示绝对值函数，
3.计算在记忆池中的j个副本的适应度值。
4.从j个副本中选择适应度最大的副本作为第k个量子猫群新的第h只量子猫。
以下为量子猫的搜寻模式过程：在这种模式下，量子猫通过各自的速度更新其量子位置和位置。以下为量子猫的追踪模式过程：
1.对追踪模式的第k(k＝1,2)个量子猫群第h只量子猫的速度进行更新。更新方程如下：
其中，c为速度变化范围权系数。
2.判断第k(k＝1,2)个量子猫群第h只量子猫每一维的速度是否超过了边界范围，如果超过了边界范围，进行如下处理：
其中，vr,max表示第r维速度的最大边界。
3.对第k(k＝1,2)个量子猫群第h只量子猫的量子位置和位置进行更新，更新方程如下：
其中，
计算更新后的量子猫群s1中所有量子猫的适应度，适应度通过接收端信噪比公式进行计算，从更新后的量子猫群s1中找到适应度最大的量子猫的位置，将其位置的适应度与上一代量子猫群s1的全局最优位置的适应度进行比较，将适应度较优的位置选作量子猫群s1新的全局最优位置
计算更新后的量子猫群s2中所有量子猫的适应度，适应度通过网络能量效率公式进行计算，从更新后的量子猫群s2中找到适应度最大的量子猫的位置，将其位置的适应度与上一代量子猫群s2的全局最优位置的适应度进行比较，将适应度较优的位置选作量子猫群s2新的全局最优位置
(4)对于量子猫群s3中的每一量子猫进行更新。以下为s3中处于搜寻模式的量子猫的更新过程：
1.根据记忆池的大小，将s3中第h只量子猫复制j个副本放在记忆池中。
2.对于记忆池中的j个副本，根据变化数(cdc)的大小，对复制的第j个量子猫副本的第r维进行更新，更新方程如下：
其中，j＝1,2,…,j，r∈{1,2,…,r}。abs(.)表示绝对值函数，
3.对在记忆池中的j个副本进行非支配解排序和拥挤度计算，选出支配等级最高、拥挤度最大的副本作为种群s3的新的第h只量子猫。
以下为量子猫的搜寻模式过程：在这种模式下，量子猫通过各自的速度更新其量子位置和位置。以下为s3中处于追踪模式的量子猫的更新过程：
1.对s3中处于追踪模式的第h只量子猫的速度进行更新。
其中，c为速度变化范围权系数。
2.判断s3第h只量子猫每一维的速度是否超过了边界范围，如果超过了边界范围，进行如下处理：
其中，vr,max表示s3第r维速度的最大边界。
3.对s3第h只量子猫的量子位置和位置进行更新，更新方程如下：
(5)将s3更新产生的h只量子猫放入非支配解集se中。对非支配解集se中的量子猫进行非支配解排序和拥挤度计算，保留前h只量子猫作为非支配解。然后令s3＝se。s3中的量子猫将参加下一次演进。
(6)在迭代过程中，每隔f/10代(f为最大迭代次数)进行以下操作：根据第一个目标函数计算se的某一量子猫和s1中全局最优量子猫的适应度值，第一个目标函数为接收端信噪比。如果在se中该量子猫的适应度值大于s1中全局最优量子猫的适应度值，则将s1中全局最优量子猫替换为se中该量子猫，如果se中该量子猫的适应度值小于等于s1中全局最优量子猫的适应度值，则将se中该量子猫替换为s1中全局最优量子猫。根据第二个目标函数计算se的某一量子猫和s2中全局最优量子猫的适应度值，第二个目标函数为网络能量效率。如果在se中该量子猫的适应度值大于在s2中全局最优量子猫的适应度值，则将s2中全局最优量子猫替换为se中该量子猫，如果se中该量子猫的适应度值小于等于在s2中全局最优量子猫的适应度值，则将se中该量子猫替换为s2中全局最优量子猫。
(7)如果进化没有终止(通常由预先设定的最大迭代次数f决定)，返回(3)，否则，终止迭代，输出se中的非支配解，得到中继选择方案。
仿真中假设中继协作网络所有信道状态信息服从参数为1的瑞利分布，中继节点的发送功率pi＝0.1p。所有信道噪声均为均值为0，方差为1的高斯白噪声功率。量子猫群多目标搜索机制中每个量子猫群规模h＝100，最大迭代次数f＝500。结合律mr＝0.2，速度变化常量c＝2，记忆池中个体数目j＝6，变化域srd＝1，变化数cdc＝0.5r，vr,max＝0.2。为了便于比较所提出的量子猫群搜索机制的多目标中继选择方法与已有单目标人工蜂群方法的支配关系，将人工蜂群方法应用到单目标中继选择问题中，图4对两种方法进行了比较，人工蜂群方法的群体规模和终止迭代次数均与量子猫群搜索机制的多目标中继选择方法相同。人工蜂群方法中的其他参数设置参考文献“multiplerelayselectionschemebasedonartificialbeecolonyalgorithm”。
图2为同时考虑接收端信噪比和网络能量效率的穷尽搜索所有解与量子猫群搜索机制搜索出的非支配解。候选的中继节点数目为14，发送端sn的发送功率为10w，中继节点的发送功率为1w。从仿真结果中可以看出，量子猫群搜索机制搜出的解与穷尽搜索搜出的非支配解完全一致，但是计算复杂度远远小于穷尽搜索，说明了所提出的量子猫群搜索机制的中继选择方法的有效性，在保证接收端信噪比的同时又能保证最大的能量效率，实现绿色通信，节能环保。
图3为同时考虑接收端信噪比和网络能量效率的基于量子猫群搜索机制搜索出的非支配解。发送端sn的发送功率为10w，中继节点的发送功率为1w。图3候选的中继节点数目为20。从仿真图中可以看出，所求出的非支配解是均匀分布。
图4为同时考虑接收端信噪比和网络能量效率的基于量子猫群搜索机制搜索出的非支配解。发送端sn的发送功率为10w，中继节点的发送功率为1w。图4候选的中继节点数目为30。从仿真图中可以看出，所提出的中继选择方法支配单目标的人工蜂群方法。此外，从仿真图中也可以看出，所求出的非支配解是均匀分布的，量子猫群搜索机制对应于不同的候选中继节点数目的都是有效的，说明了所提出的方法适用的广泛性。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！