买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学

摘要：本发明公开了一种面向车联网网络切片的效用最大化资源分配方法，针对车联网系统下的车辆业务资源分配问题，结合网络切片技术，考虑到不同车联网业务速率、时延以及车辆移动性对于网络效用的影响，以最大化网络效用为目标，构建了一种基于车联网系统的网络切片资源分配模型。提出了一种基于动态记忆库的双Sigmoid函数粒子群优化算法（MBDS‑PSO），增强了算法的全局和局部搜索能力，降低了算法求解结果的标准差，解决了传统粒子群算法以及一些改进算法对于前后期搜索能力过渡不平滑等问题，实现了在相同时间复杂度下缩短算法运算时间的同时能够在资源分配过程中为系统带来更高的网络效用。

主权项：1.一种面向车联网网络切片的效用最大化资源分配方法，其特征在于：获取不同车辆的业务通信参数；根据不同车辆的业务通信参数以网络效用最大化为目标建立网络切片资源分配模型；使用罚函数法处理所述网络切片资源分配模型的约束条件；基于动态记忆库的双Sigmoid函数粒子群算法求解约束条件处理后的网络切片资源分配模型，输出最优网络切片资源分配方案；其中，基于动态记忆库的双Sigmoid函数粒子群算法求解约束条件处理后的网络切片资源分配模型的方法为：双Sigmoid函数优化惯性权重计算为： tstart表示迭代的初始，tend表示迭代的结束阶段，k1,k2表示双Sigmoid函数斜率控制常数，用于控制两个Sigmoid函数的陡度，wmax表示惯性权重最大值，wmin表示惯性权重最小值；使用改进的基于动态记忆库的双Sigmoid函数粒子群MBDS-PSO算法运行求解；初始化算法参数，初始化群体粒子个数与网络切片数量相同，均为N，每个粒子表示一个网络切片，初始记忆库容量MBSinit，最大记忆库容量MBSmax，设置最大迭代次数T；设置算法学习因子c1,c2，c1控制粒子跟随自己历史最佳位置的趋势强度，较高的c1值会鼓励粒子更多地依赖自己的经验；c2控制粒子跟随整个群体的历史最佳位置的趋势强度，较高的c2值会鼓励粒子更多地向群体已知的最优解移动；设置惯性权重最大值wmax和最小值wmin，设置Sigmoid函数斜率控制常数k1,k2，网络切片资源分配量的最大值xmax和最小值xmin，粒子速度最大值vmax和最小值vmin；初始化个体和全局最优位置和最优值；循环迭代所有粒子，计算每一个粒子当前的函数值，更新个体和全局最优位置和最优值；更新了个体和全局最优位置后，算法根据当前Sigmoid函数计算的惯性权重因子以及学习因子c1,c2来调整每个粒子的速度和位置；速度和位置更新后，进行边界条件处理，确保粒子不会离开搜索空间；将超出边界的速度或位置重置到其边界值来实现；记忆库更新，评估当前迭代的全局最优解并尝试更新记忆库，若连续几次迭代中最优解未更新，则增加记忆库容量，加入更多备选解；如果找到显著更优的解，则减少记忆库的容量，淘汰部分低质量解；使用轮盘赌方法根据解的质量和多样性进行选择，更新粒子的位置信息为记忆库中随机选择的优质解；记录历代全局最优值，找到最终全局最优值，并记录迭代次数；计算算法求解的标准差，输出最优网络切片资源分配方案。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种面向车联网网络切片的效用最大化资源分配方法