计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
8期
231-236,250
,共7页
方杰%杨世杰%吴曦德%周庆标
方傑%楊世傑%吳晞德%週慶標
방걸%양세걸%오희덕%주경표
混合群集智能算法%粒子群最优化算法%模拟退火算法%多用户调度%高速下行分组接入
混閤群集智能算法%粒子群最優化算法%模擬退火算法%多用戶調度%高速下行分組接入
혼합군집지능산법%입자군최우화산법%모의퇴화산법%다용호조도%고속하행분조접입
hybrid swarm intelligence algorithm%particle swarm optimization algorithm%simulated annealing algorithm%multiuser scheduling%high speed downlink packages access
传统的基于粒子群最优化的混合启发式算法和模拟退火算法往往以牺牲解的质量或者求解速度来实现有效的调度,为了解决这一问题,提出了一种基于高速下行分组接入(HSDPA)标准的混合群集智能算法。首先假定HSDPA标准所指定的是现实性不完善的信道状态信息(CSI)反馈,并以有限集合的形式存在于信道指示符(CQI)中;接着在最优化过程中,利用模拟退火算法和粒子群最优化算法各自的优点设计混合群集智能算法;最后利用混合算法进行数据处理,得到最优解的同时降低了复杂度,从而实现提升系统通量,达到调度最优化的目的。实验结果表明,与传统的基于粒子群最优化的算法相比,所提的混合算法取得了更好的调度效果。
傳統的基于粒子群最優化的混閤啟髮式算法和模擬退火算法往往以犧牲解的質量或者求解速度來實現有效的調度,為瞭解決這一問題,提齣瞭一種基于高速下行分組接入(HSDPA)標準的混閤群集智能算法。首先假定HSDPA標準所指定的是現實性不完善的信道狀態信息(CSI)反饋,併以有限集閤的形式存在于信道指示符(CQI)中;接著在最優化過程中,利用模擬退火算法和粒子群最優化算法各自的優點設計混閤群集智能算法;最後利用混閤算法進行數據處理,得到最優解的同時降低瞭複雜度,從而實現提升繫統通量,達到調度最優化的目的。實驗結果錶明,與傳統的基于粒子群最優化的算法相比,所提的混閤算法取得瞭更好的調度效果。
전통적기우입자군최우화적혼합계발식산법화모의퇴화산법왕왕이희생해적질량혹자구해속도래실현유효적조도,위료해결저일문제,제출료일충기우고속하행분조접입(HSDPA)표준적혼합군집지능산법。수선가정HSDPA표준소지정적시현실성불완선적신도상태신식(CSI)반궤,병이유한집합적형식존재우신도지시부(CQI)중;접착재최우화과정중,이용모의퇴화산법화입자군최우화산법각자적우점설계혼합군집지능산법;최후이용혼합산법진행수거처리,득도최우해적동시강저료복잡도,종이실현제승계통통량,체도조도최우화적목적。실험결과표명,여전통적기우입자군최우화적산법상비,소제적혼합산법취득료경호적조도효과。
Traditional hybrid heuristic algorithm based on particle swarm optimization algorithms and simulated anneal-ing algorithms are always at the expense of quality or speed for effective scheduling. So a hybrid swarm intelligence algo-rithm based on High Speed Downlink Packages Access(HSDPA)standards is proposed. More realistic imperfect Channel State Information(CSI)feedback in the form of a finite set of Channel Quality Indicator(CQI)values is firstly assumed as specified in the HSDPA standard. Then, the individual of advantages of simulation annealing algorithm and particle swarm optimization algorithm are used to design a hybrid swarm intelligence algorithm in the process of optimization. Finally, the hybrid algorithm for data processing gets the optimal solution while reducing complexity, so as to improve sys-tem throughput and achieve the purpose of scheduling optimization. Experimental results indicate that the hybrid approach achieves a better scheduling result comparing with algorithms based on particle swarm optimization.