基于改进并行遗传算法的蜂窝网络信道分配

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (3): 89-92.

基于改进并行遗传算法的蜂窝网络信道分配

冯志强1，许国军2，邓磊2，夏晓燕2，贾振红1，覃锡忠1

1.新疆大学信息科学与工程学院，乌鲁木齐 830046
2.中国移动通信集团新疆有限公司，乌鲁木齐 830063

出版日期:2014-02-01 发布日期:2014-01-26

Channel allocation in cellular network based on improved parallel genetic algorithm

FENG Zhiqiang1, XU Guojun2, DENG Lei2, XIA Xiaoyan2, JIA Zhenhong1, QIN Xizhong1

1.School of Information Science and Engineering, Xinjiang University, Urumqi 830046, China
2.Subsidiary Company of China Mobile in Xinjiang, Urumqi 830063, China

Online:2014-02-01 Published:2014-01-26

摘要/Abstract

摘要： 在蜂窝移动通信中，用户需求的不断增长使可用的频谱资源日益紧缺，采用较优的优化算法进行信道分配就显得非常重要。针对这一问题，首次提出了细粒度主从式并行遗传算法，其特点是在进化的过程中动态改变邻域单元，来维持进化过程中的种群多样性，防止算法进入局部最优而过早收敛，增强算法的全局搜索能力。实验仿真表明，该算法对信道分配问题有很强的最优解搜索能力，收敛速度也较快，具有一定的实用价值。

关键词: 蜂窝网络, 信道分配, 细粒度并行遗传算法

Abstract: With the increasing demand, the available spectrum is becoming scarce in cellular mobile communication network. It is important to scheme frequency resources by applying a better optimized algorithm. To solve this problem, a master-
slave cellular model parallel genetic algorithm is presented, which is characterized by dynamic change of neighborhood units in the process of evolution. It can maintain the diversity of the population in the evolutionary process and prevent the algorithm from the local optimum premature convergence, and enhance the global search capability. Simulation results show that the proposed algorithm for channel allocation problem has a stronger search capability and faster convergence rate. It has certain value of practical use.

Key words: cellular network, channel allocation, cell model parallel genetic algorithm

冯志强1，许国军2，邓磊2，夏晓燕2，贾振红1，覃锡忠1. 基于改进并行遗传算法的蜂窝网络信道分配[J]. 计算机工程与应用, 2014, 50(3): 89-92.

FENG Zhiqiang1, XU Guojun2, DENG Lei2, XIA Xiaoyan2, JIA Zhenhong1, QIN Xizhong1. Channel allocation in cellular network based on improved parallel genetic algorithm[J]. Computer Engineering and Applications, 2014, 50(3): 89-92.

[1]	唐群，朱国强. 基于MEC的蜂窝网络联合计算与无线资源管理[J]. 计算机工程与应用, 2020, 56(14): 82-87.
[2]	李湘洋1，2，赵杭生2，曹龙1，2. 混合共享认知无线网络信道分配算法[J]. 计算机工程与应用, 2016, 52(6): 80-85.
[3]	刘俊霞1，3，贾振红1，覃锡忠1，常春2，王浩2. 改进人工蜂群算法在信道分配上的应用[J]. 计算机工程与应用, 2013, 49(7): 119-122.
[4]	肖英1，唐菀2，周浩淼1. LEO卫星中模拟实时通信量确保保护信道的分配[J]. 计算机工程与应用, 2012, 48(7): 77-80.
[5]	李建军1，王艳春2，范斌3. Dual-Radio传感器网络链路调度算法的研究[J]. 计算机工程与应用, 2012, 48(3): 79-82.
[6]	於时才，魏鑫刚. 保护信道和排队相结合的信道分配策略[J]. 计算机工程与应用, 2012, 48(1): 112-113.
[7]	杨文忠1，2，张振宇1，王博2. Mesh网络中实用有效的多信道分配方法[J]. 计算机工程与应用, 2011, 47(18): 13-16.
[8]	谢桂芳1，2，段盛2，罗玉玲2. 无线Mesh网络信道分配研究[J]. 计算机工程与应用, 2011, 47(18): 85-87.
[9]	王超，吴华怡，张羲. 基于链路质量的认知无线电网络路由研究[J]. 计算机工程与应用, 2011, 47(13): 87-90.
[10]	孙懋珩¹，郑煜¹，周轩². 基于混合干扰模型的多信道Mesh网络调度算法[J]. 计算机工程与应用, 2010, 46(35): 90-94.
[11]	孙素云，唐林燕. 多信道无线网状网跨层优化研究[J]. 计算机工程与应用, 2009, 45(23): 85-87.
[12]	尹燕飞,张远平. 基于免疫策略的信道资源分配算法[J]. 计算机工程与应用, 2008, 44(29): 125-127.
[13]	崔维嘉陈曦陆杰青胡捍英. 多跳蜂窝网络代理选取问题研究[J]. 计算机工程与应用, 2007, 43(6期): 114-116.