一种布谷鸟搜索的5G异构网络选择与资源分配优化方法

刘德珞 程良伦

摘 要：5G网络存在异构和复杂的特点，用户数量大，需求质量高，在密集网络的情况下存在如何进行网络选择与资源分配的问题。频谱共享是解决5G网络频谱资源短缺和高速率接入问题的有效解决方法。文章提出一种布谷鸟搜索优化方法，首先获取用户可用的网络信道共享频谱信息，利用布谷鸟搜索算法在满足用户服务质量（QoS）保证的条件下进行寻优操作，多次迭代得出最佳分配方案，相比传统遗传算法可以降低计算复杂度。

关键词：5G；信道选择；资源分配；布谷鸟搜索算法；服务质量

5G标准规定5G网络峰值传输速率达到10 Gbit/s，流量密度达到10 Tbps/km2，用户体验速率达到0.1～1 Gbit/s，连接密度数达到100万台/km2，端到端时延达到ms级，能够在500 km/h 的速度下保证用户体验，在能效、成本效率和频谱效率上都有大幅提升[1-2]。目前已有大量相关工作者致力于研究与开发关于5G网络在无人机、物流、车载网等方面的应用，未来将有更多的5G网络应用场景。

频谱共享由于可以使用非连续频谱，因此可以更好地扩大系统容量，支持大量设备连接，提升系统吞吐量。Georgios等[3]提出频谱分配中的重点是动态频谱分配、频谱聚合和频谱移动，需要选择可用的频谱部分，为次级用户（Secondary User，SU）提供服务，此分配是一个复杂过程的输出，经常考虑多个网络和服务质量（Quality of Service，QoS）参数。文章[4]运用群智能优化算法求解频谱分配问题，以网络效益和用户公平性作为衡量算法优越性的指标，将遗传算法中的交叉操作和变异操作的进化思想嵌入粒子群算法当中，引入线性惯性权重函数，从而改善了这两种算法各自在频谱资源分配的问题。文献[5]介绍了一种网络选择和信道分配机制，采用遗传优化算法，通过容纳更多的订阅用户并保证其QoS，以达到最小化系统干扰和利益最大化。

本文提出一种基于布谷鸟搜索算法（Cuckoo Search，CS）的异构网络选择与资源分配方法，以最小化系统干扰为目标，在保证用户QoS的前提下，通过多次迭代输出最佳分配方案。

1 系统模型

系统模型参考文献[5]。考虑由N个主网络（primary network）组成的5G异构网络，主网络中有主用户（Primary User，PU）和次级用户（Secondary Users，SU），主网络中可以有任意多的主用户。每个主网络拥有的最大信道数记为Cmax，但可供次级用户复用的信道取决于PU的数量与状态。假设有一个认知网络运营商（Cognitive Network Operator，CNO）来管理所有将要接入的次级用户SU，并收集所有主网络的信道状态信息（Channel State Information，CSI），如图1所示。图中是以认知网络运营商为中心的5G异构网络，其中包含基站、无线接入点和eNB等网络组成的主网络，各个主网络内有使用该网络的主用户，并存在待接入的次级用户。

记U={u1，u2，…，um}，表示待接入的次级用户SU的集合，N={1，2，3，…，M}表示主网络的集合，假设每个网络拥有相同的信道数。记第m个网络的第i个信道的最大传输速率为，则传输速率Ri，m取决于第m个网络的信道状态。假若第j个次级用户将要进入该系统，它需要计算自己所在位置，并提供最小传输速率需求rj、能够接受支付给运营商的最大价格等信息给认知网络运营商。当网络m的第i个信道时被分配给第j个次级用户，SU需要支付的费用为Pm，记该次级用户对主用户PU产生的干扰为Ij，m，总干扰取决于信道状态，且为保证主用户的QoS，m网络中总干扰应不超过阈值εm；该次级用户也应使自己的要求得到满足，即最小传输速率要求、低于最高价格要求。假设每个主网络的定价策略不同，那么第j个次级用户接入第m网络的费用记为Pj，m。

本文的目标是在保证次级用户QoS的条件下最小化次级用户对主用户造成的干扰。

因此，总目标函数是：

其中式（1）H（x）是总目标函数，表示所有SU加入各个主网络后对PU产生的总干扰之和，约束条件（2）表示在某一时刻，一个主网络的一个信道智能分配给一个SU，约束条件（3）表示加入某一个网络的SU干扰之和不能超过该网络的干扰阈值εm，约束条件（4）（5）表示主网络的网络带宽和价格应满足SU需求，约束条件（6）表示当网络m的j信道已分配时为1，否则为0。

2 CS算法

CS算法基于布谷鸟的寄生育雏行为。布谷鸟将产下的卵寄生在其他鸟类的巢穴中，为了增加自己的卵孵化成功的概率，它有可能将寄主鸟类的一些卵移除。而寄主鸟一旦发现有外来的卵在自己巢穴中，它可能会将其扔掉或在其他地方建一个新巢[6]。

为了简化描述标准 CS，引入以下3条理想化的规则：每只布谷鸟每次只下一个蛋，并将其放入随机选择的巢中；具有最高质量蛋的最佳巢穴会延续到下一代。可用寄主巢穴的数量是固定的，且寄主以概率Pa∈（0，1）发现布谷鸟放的蛋。在这种情况下，寄主可以消灭这枚蛋或放弃旧巢另建新巢。

3 网络选择的布谷鸟搜索算法实现

使用布谷鸟搜索算法实现异构网络选择与资源分配的难点在于，问题的解是多维度的一组解，一个巢穴中存在多个蛋，即对应多个主网络和多个SU。此外，由于SU的需求各不相同，同时要满足不超过主网络的干扰阈值，有可能会存在一旦次级用户接入某一主网络，该主网络的干扰严重超标的情况。

首先，获取待接入网络的时刻当前区域系统内可用网络资源及其参数信息，待接入用户的需求信息。

其次，进入布谷鸟搜索寻优阶段。步骤如下：

（1）输入迭代次数g、次级用户数u、主网络数m、初始发现概率Pa。

（2）随机生成一组初始鸟巢位置，记为Xf={x1，x2，…，xn}，判断该初始分配方案是否符合用户QoS需求，若不满足，则调整分配方案；若满足，则进行局部随机游走，即宿主鸟以一定的概率Pa發现外来鸟的卵并重新建巢的位置，利用下述公式：

其中：xtj和xti是通過随机置换选择的两个不同的解，H（u）是一个单位阶跃函数（Heaviside 函数）。?是从均匀分布中抽取的随机数。选择被发现的鸟巢，并计算适应度值，记录初始全局最优鸟巢位置，并保留到下一代。

（3）利用levy flight进行全局位置更新，，其中α>0，表示步长缩放因子，通常α=1；?表示两个向量的点乘（entrywise multiplication）；Levy（λ）则提供随机步长，服从Levy分布，， （1<λ<3），产生一组新的鸟巢位置，再计算该组的适应度值，与步骤（2）中的鸟巢进行对比，保留适应度值更好的鸟巢位置，删除较差的鸟巢，获得一组新的鸟巢位置Xs=（x1，x2，…，xn）。

（4）产生一个服从均匀分布的随机数，0<1，将其与概率Pa对比，保留Xs中被发现概率较小的鸟巢位置，改变发现概率较大的鸟巢位置，并与步骤（3）中的Xs中的位置对比，保留结果更好的，得到一组更好的鸟巢位置Xt=（x1，x2，…，xn）。

（6）输出步骤（5）中得到的最佳鸟巢位置。

下面用简单举例说明实现过程。

假设有4个次级用户U={u1，u2，u3，u4}等待接入主网络，当前可用网络为N={m1，m2，m3，m4}，每个主网络的可用信道为7，假设获取的次级用户的网络需求及主网络的相关信息如表1—3所示。

每对数字的第一位表示分配的主网络号，第二位表示信道号。S1表示为第1个用户分配主网络1的信道6，为第2个用户分配主网络3的信道2，为第3个用户分配主网络2的信道7，为第4个用户分配主网络3的信道3。随后判断是否符合用户QoS，对比表1和表2，可知当前的分配方案S1满足用户QoS需求。

再根据表3计算该分配方案的干扰值之和为 fs1=1+1+1+1=4，fS2=2+3+1+2=8。

初始化种群数量可以根据情况进行调整。如果种群数量为5，则随机生成5个上述数字对。并计算该初始种群的适应度值，fs1，fs2，…，fs5。

因为fs1

然后进行局部随机游走步骤，发现概率Pa为0.25，假设发现了S2中的第3对，生成一个随机数1，那么将S2更新，即S2={（2，7），（4，5），（4，6），（3，1）}，计算f'S2=2+3+2+2=9。

进行levy飞行，。

R1～R3为正态分布的随机数。

首先随机生成R1=0.537 7，R2=1.833 9，R3=0.862 2，然后我们把S2中每一对的第一位网络号带入公式，得到S2'={（1.9791，7），（3.9850，5），（3.9850，6），（2.9821，1）}同理可得出S1'，S2'，…，S5'，进行取整操作，重复判断是否满足用户QoS操作，再计算当前的干扰值，与fbest比较，若当前干扰值小于fbest，则更新fbest值，否则不更新。

重复直至达到迭代次数，输出最佳鸟巢，为当前用户分配网络信道。

4 结语

为解决5G网络频谱资源短缺和高速率接入问题，本文提出了一种布谷鸟搜索优化方法，首先获取用户可用的网络信道共享频谱信息，利用布谷鸟搜索算法在满足用户QoS保证的条件下进行寻优操作，多次迭代得出最佳分配方案，通过举例说明了使用步骤，相比传统遗传算法可以降低计算复杂度，也可以推广到更多用户与网络的状况下。

然而在异构网络的情景中，网络复杂多变，以及随着用户的QoS不断变化，加上如今的多数设备存在移动的情况，故而今后的研究也应该考虑设备移动状态下的网络切换与分配。

[参考文献]

[1]IMT-2020（5G）推进组.5G概念白皮书[EB/OL].（2018-02-03）[2019-03-02].http：//www.imt-2020.org.cn/zh/documents/1.

[2]OLWAL T O，DJOUANI K，KURIEN A M.A Survey of resource management toward 5G radio access networks[J].IEEE Communications Surveys & Tutorials，2016（3）：1.

[3]GEORGIOS TSIROPOULOS，OCTAVIA A D，MOHAMED H A，et al.Radio resource allocation techniques for efficient spectrum access in cognitive radio networks[J].IEEE Communications Surveys & Tutorials，2016（1）：824-847.

[4]孙海建.基于粒子群算法和遗传算法的频谱分配研究[D].长春：吉林大学，2015.

[5]HASAN N U，EJAZ W，EJAZ N，et al.Network selection and channel allocation for spectrum sharing in 5G heterogeneous networks[J].IEEE Access，2016（4）：980-992.

[6]YANG X S，DEB S.Cuckoo search via Lévy flights[C].Coimbatore：2009 World Congress on Nature & Biologically Inspired Computing（NaBIC）. IEEE，2009.