解决Macro-Femto共存自组织问题的仿生学方法研讨.docxVIP

解决Macro-Femto共存自组织问题的仿生学方法 摘要 仿生学是计算智能的重要部分，本文在对应用于蜂窝网络自组织优化中的仿生学方法进行总结和分类的基础上，分别以两种典型的间接仿生学方法（学习算法和博弈论方法）和一种直接仿生学方法为例，对仿生学方法在Macro-Femto共存时自组织问题中的应用进行了探索研究，用数值仿真对两种间接仿生学方法进行了对比，并证明了应用提出的直接仿生学方法，可获得系统性能的较大提升。 关键词： 计算智能，仿生学，Macro-Femto共存，直接仿生学，间接仿生学 1 引言 计算智能是以生物进化的观点认识和模拟智能。按照这一观点，智能是在生物的遗传、变异、生长以及外部环境的自然选择中产生的。在用进废退、优胜劣汰的过程中，适应度高的（头脑）结构被保存下来，智能水平也随之提高。因此说计算智能就是基于结构演化的智能。计算智能的主要方法有人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火等等[1]。计算智能的这些方法具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、适于并行处理的优点，因而，在并行搜索、联想记忆、模式识别、知识自动获取等方面得到了广泛的应用。 仿生学是一门模仿生物的特殊本领，利用生物的结构和功能原理来研制机械或各种新技术的科学技术。简言之，仿生学就是模仿生物的科学。确切地说，仿生学是研究生物系统的结构、特质、功能、能量转换、信息控制等各种优异的特征，并把它们应用到技术系统，改善已有的技术工程设备，并创造出新的工艺过程、建筑构型、自动化装置等技术系统的综合性科学。仿生算法是一类模拟自然生物进化或者群体社会行为的随机搜索方法的统称。由于这些算法求解时不依赖于梯度信息，故其应用范围较广，特别适用于传统方法难以解决的大规模复杂优化问题[2]。主要有：遗传算法、人工神经网络、蚁群算法、蛙跳算法、粒子群优化算法等。这些算法均是模仿生物进化、神经网络系统、蚂蚁寻路、鸟群觅食等生物行为。故叫仿生算法。 综上，从某种意义上说，仿生学是计算智能的重要部分。而且，从目前研究工作情况来看，人工智能的研究工作包括计算机方法和仿生学。 Macro-Femto共存是指在传统的宏小区（Macrocell）里部署毫微微小区（Femtocell）。毫微微蜂窝是根据3G发展和移动宽带化趋势推出的超小型化移动基站。它通过在宏小区中插入大量的基站拉近天线与用户之间的距离，实现小区分裂，明显降低发射功率，延长终端电池使用时间，并获得高的信噪比，从而提高系统吞吐量，降低中断概率。Femtocell有别于传统的室内微型基站，是为更好地满足家庭环境和中小企业中的无线覆盖需求而产生的超小型化移动基站[3]。毫微微小区使用与宏小区相同的无线接入技术，为室内用户提供高数据速率业务。随着Femtocell的即将大量部署，自组织成为未来蜂窝网络的基本特征[4,5]。目前，大量生物激发的技术已经被用于这种背景下的自组织解决方案。 本文结构安排：引言中给出了仿生学与计算智能的关系，并介绍了本文利用仿生学方法要解决的问题背景。接下来，首先，对仿生学和自组织的关系进行了分析；进而，对用于未来蜂窝网络自组织解决方案的仿生学方法进行总结、分类，即：仿生学方法可以分为直接仿生学和间接仿生学；再次，针对具体的Macro-Femto共存时的自组织问题，给出两种典型的间接仿生学解决方法和一种直接仿生学解决方法，包括数学建模，问题阐述和求解，以及数值仿真对比；最后，对本文进行总结，并指出进一步的相关研究。 2 仿生学和自组织 简单来说，仿生学虽然研究自然系统，但其目的在于利用他们的工作原理，改善人工系统的设计和运行。生物具有的功能迄今比任何人工制造的机械都优越得多，仿生学就是要在工程上实现并有效地应用生物功能的一门学科。例如关于信息接受（感觉功能）、信息传递（神经功能）、自动控制系统等，这种生物体的结构与功能在机械设计方面给了很大启发。可举出的仿生学例子，如将海豚的体形或皮肤结构（游泳时能使身体表面不产生紊流）应用到潜艇设计原理上，模仿苍蝇的眼睛制成“蝇眼透镜”以及“蝇眼照相机”，实现一次就能照出千百张相同的相片。 仿生学的研究内容极其丰富多彩，因为生物界本身就包含着成千上万的种类，它们具有各种优异的结构和功能供各行业来研究。自从仿生学问世以来的二十几年内，仿生学的研究得到迅速的发展，且取得了很大的成果。就其研究范围可包括电子仿生、机械仿生、建筑仿生、化学仿生等。随着现代工程技术的发展，学科分支繁多，在仿生学中相应地开展对口的技术仿生研究[2]。例如：航海部门对水生动物运动的流体力学的研究；航空部门对鸟类、昆虫飞行的模拟、动物的定位与导航；工程建筑对生物力学的模拟；无线电技术部门对于人神经细胞、感觉器宫和神经网络的模拟；计算机技术对于脑的模拟以及人工智