基于改进麻雀搜索算法的无线Mesh网络信道分配优化

摘要：文章在考虑网络信道分配优化模型的约束条件时，由于缺少对资源分配公平性的约束，导致信道分配后利用率较低，优化效果有限，为此，文章提出基于改进麻雀搜索算法的无线Mesh网络信道分配优化。文章采用数学模型描述网络中的信道分配问题，构建信道分配模型，结合Mesh网络的结构与特性，设计约束条件，包括网络连通性约束、信道容量约束和资源分配公平性约束。文章通过引入新的搜索策略和局部优化机制优化麻雀搜索算法，实施模型求解得到最佳信道分配方案。实验结果表明，在文章所提研究方法的应用下，Mesh网络信道的利用率得到了很大提升。

关键词：改进麻雀搜索算法；无线Mesh网络；节点链路；信道分配；信道利用率

中图分类号：TN929.5 文献标志码：A

0 引言

Mesh网络作为一种新兴的无线通信技术，由于其自组织、自修复和可扩展性的独特特性，在提供高效可靠的无线接入服务方面显示出巨大的潜力。然而，随着网络规模的扩大和节点数量的增加，Mesh网络中的信道分配问题变得越来越复杂。传统的信道分配方法，如静态分配和简单的动态分配策略，已经难以适应这些变化，往往会导致信道资源利用率低、网络拥塞和传输延迟等问题。为了克服这些挑战，研究人员一直在探索新的优化算法和技术，以改进无线Mesh网络的信道分配策略。

毛庆国［1］将光纤通信网络的信道分配问题转化为优化问题，基于粒子群算法的原理，通过迭代更新粒子的位置和速度来搜索最优解，输出最优信道分配方案。该方法的性能受惯性权重和学习因子等参数的影响很大，导致信道利用率偏低。廖俊东等［2］通过构建基于云计算平台的光通信网络信道平衡与分配系统，根据光通信网络的特点和业务需求，设计信道均衡模型，引入平衡分配算法实现合理的信道分配。但如果云计算平台出现故障或性能下降，可能会影响渠道平衡分配的资源利用率。

针对以上分析，文章结合麻雀搜索算法，通过改进对Mesh网络信道分配优化展开研究，旨在提高无线Mesh网络的性能和优化用户体验。

1 无线Mesh网络信道分配优化方法设计

1.1 建立无线Mesh网络信道分配优化模型

Mesh网络是一种基于无线技术的网络架构，其中，每个节点都可以充当路由器，实现节点之间的直接通信，形成多跳网络拓扑［3］。这种网络结构具有高可靠性、低成本、自组织和自修复能力。该研究充分考虑Mesh网络的拓扑结构、信道资源、业务流量需求以及信道间的干扰等因素，以最大化网络吞吐量、最小化网络干扰以及最大化信道利用率为优化目标构建信道分配模型，具体描述与计算过程如下。

最大化网络吞吐量可以确保数据流在网络中的高效传输，使得网络节点和链路的资源分配更加合理，最大化网络吞吐量公式为：

b1=ax×u0×vc（1）

式中，ax为第x个节点的数据传输速率；u0为网络的业务流量需求；vc为网络链路关系矩阵。

在传输具有相同属性的数据流时，Mesh网络中相邻的无线链路通常会采用相近频率的信道，导致Mesh网络中出现信道混叠现象，从而使得信号干扰强度增大。因此，最小化网络干扰指标可以有效防止Mesh网络出现信道混叠，降低干扰水平［4］。同时，当网络中的业务流量发生变化时，通过调整信道分配策略可以优化网络性能，最小化网络干扰表达式为：

式中，βf为信道编号；dk，l为二进制变量，代表是否将信道k分配给链路l；As为网络中所有节点上配置的天线数总量；c0为过渡矩阵；nj为链路j受到的干扰数量。

最大化信道利用率能够确保网络流量均匀分散到各个链路上，避免某些链路过载而其他链路处于空闲状态，实现负载均衡，提高数据传输的速率和效率［5］。负载均衡公式为：

b3=γc×yk×η0/zt（3）

式中，γc为节点c的平均负载；yk为信道k的带宽；η0为网络传输数据的能量效率。

文章将上述建立的目标函数进行整合，得到Mesh网络信道分配优化模型B为：

B=υ1b1-υ2b2+υ3b3（4）

式中，υ1、υ2、υ3分别为相应目标函数的权重系数，以调整不同优化目标在目标函数中的相对重要性。该研究重点考虑网络连通性约束、信道容量约束和资源分配公平性约束等约束条件。

网络连通性约束能够确保网络中每个节点都能通过特定的路径与其他节点进行连接，其计算公式如下：

sa，b≥1（5）

式中，sa，b为a、b2个信道的通路数量。

信道容量约束指的是信道分配时，可使用的信道数量不超过网络现存的信道总数，表达式为：

De≤Df（6）

式中，De、Df分别为分配的信道数量和网络中的信道数量。

资源分配公平性约束旨在确保网络中的资源能够公平地分配给所有用户或节点，从而防止某些用户或节点因资源不足而性能受限，公平性约束条件为：

w1-h0≤0（7）

式中，w1为网络中的总资源；h0为可分配的资源。

将建立的信道分配优化模型与上述构造的约束条件进行叠加，得到网络信道分配优化的综合模型，表达式为：

MΕ=υ1b1-υ2b2+υ3b3（8）

式中，M（E）为在相应约束条件E下的Mesh网络信道分配优化模型M。

1.2 基于改进麻雀搜索算法的模型求解

常规的麻雀搜索算法在寻找全局最优解和寻优精度方面存在不足，为了改善这些缺陷，文章引入立方映射来初始化个体种群，以初步提高个体的进化质量。同时，文章采用螺旋搜索方式来生成混沌序列，从而扩大了个体的搜索空间，表达式为：

ny=xρ×τ0×c（9）

式中，τ0为混沌序列；c为螺旋搜索维度。

文章对探索者和追随者的位置进行更新，以平衡算法的全局搜索能力与局部开发能力，结合变量边界的上下限确定发现者的位置［6］，公式为：

式中，ξt为变量上限；rs为变量下限。

更新位置后，在初始种群中随机抽取10%的麻雀个体作为警戒者，计算当前个体的适应度值，即：

gp=W×ωj（11）

式中，ωj为随机数。

文章将具有最高适应度值的麻雀个体所在位置作为最优解输出，该解即为信道分配优化模型的求解结果，从而获得了最佳的信道分配策略。至此，文章完成基于改进麻雀搜索算法的无线Mesh网络信道分配优化方法的设计。

2 实例论证分析

为验证文章设计的基于改进麻雀搜索算法的无线Mesh网络信道分配优化方法在实际应用中的性能，在上述理论部分设计的基础上，文章展开对比实验，根据实验结果分析该方法的应用效果。

2.1 实验准备

实验中采用的Mesh网络是一个动态可扩展的无线网络架构。网络由多个Mesh路由器和Mesh客户端组成，通过多跳技术实现设备间的无线互联。网络的仿真参数如表1所示。

改进麻雀搜索算法的参数设置如下：

种群数量为50，下边界和上边界分别为［-5，-5，-5］和［5，5，5］，搜索维度为3，立方映射次数为10，步长控制系数为0.1，运算次数为200。

基于上述实验准备与参数设定，分析文章提出的信道分配优化方法的性能。

2.2 网络信道分配优化结果与分析

为了充分比较文章提出的优化方法的性能，实验中考虑了其他2种信道分配方法：毛庆国［1］提出的基于改进粒子群的光纤通信网络信道分配优化方法（方法1）、廖俊东等［2］提出的基于云计算平台的光通信网络信道均衡分配方法（方法2）。文章分别采用这几种方法对该Mesh网络中的信道进行分配优化，实验结果如图1所示。

根据图1展示的数据可以看出，在应用该研究方法后，Mesh网络的信道利用率明显高于方法1和方法2。说明该研究方法能够最大化地利用信道资源，提升信道的利用率。这一结果主要是由于该研究方法充分考虑了Mesh网络的特点、多路径特性以及潜在的干扰环境，通过建立以信道利用率最大化为目标的优化模型，根据网络条件动态调整优化算法的搜索策略，有效降低了因网络状态变化导致的资源浪费。由此可以说明，该研究方法在Mesh网络信道分配优化中具有更为显著的优势。

3 结语

文章探讨了基于改进的麻雀搜索算法的无线Mesh网络信道分配优化问题，实现了网络信道的最佳分配，通过实例应用证明了该研究方法的可靠 性。未来，文章考虑将该方法与其他优化算法相结合，以探索更有效的信道分配方案，实现自适应调整信道分配策略，为无线通信网络的稳定运行和性能提升提供助力。

参考文献

［1］毛庆国.基于改进粒子群的光纤通信网络信道分配优化方法［J］.电子元器件与信息技术，2024（3）：138-141.

［2］廖俊东，刘丹.基于云计算平台的光通信网络信道均衡分配方法［J］.激光杂志，2023（9）：161-165.

［3］郁从瑞，刘罡，李晖，等.蜂窝网络中D2D中继通信的信道分配算法研究［J］.计算机与数字工程，2023（10）：2236-2241.

［4］徐伊恒，田祎，杨华.多接口多射频无线Mesh网络部分重叠信道分配研究［J］.无线互联科技，2023（14）：154-156.

［5］刘炜，李东坤，徐畅，等.应急通信网络中基于粒子群优化的信道分配算法［J］.计算机科学，2021（5）：277-282.

［6］赵媛，向志宇.带有认知用户预留信道的双信道分配策略研究［J］.计算机应用与软件，2023（7）：116-122.

Channel allocation optimization in wireless Mesh networks

based on improved sparrow search algorithm

Abstract： When considering the constraints of the network channel allocation optimization model in the article， due to the lack of constraints on resource allocation fairness， the utilization rate of channels after channel allocation is low， and the optimization effect is limited. Therefore， the article proposes a wireless mesh network channel allocation optimization based on the improved sparrow search algorithm. The article uses a mathematical model to describe the channel allocation problem in networks， constructs a channel allocation model， and combines the structure and characteristics of Mesh networks to design constraint conditions， including network connectivity constraints， channel capacity constraints， and resource allocation fairness constraints. The article optimizes the sparrow search algorithm by introducing new search strategies and local optimization mechanisms， and implements model solving to obtain the optimal channel allocation scheme. The experimental results show that under the application of research methods， the utilization rate of Mesh network channels has been greatly improved.

Key words： improved sparrow search algorithm; wireless Mesh network; node link; channel allocation; channel utilization rate