超密集网络中基于加权混沌蝙蝠算法的资源分配方法

摘要

本发明公开了一种超密集网络中基于加权混沌蝙蝠算法的资源分配方法，首先传统的蝙蝠算法主要用来解决连续解的非线性问题，但对于资源块分配是离散解，因此需要对原算法进行修正，适合离散解的问题去寻优；不仅如此，本发明还利用混沌映射的遍历性与随机性等特性产生混沌序列代替原始蝙蝠算法中均匀分布的随机数，增加种群的多样性；此外利用对数递减惯性权重来加快收敛速度；最后，本发明不仅考虑资源块的数量大于家庭基站用户设备数量的情况，同时考虑在资源匮乏的状态下，即资源块数目小于家庭基站用户设备的数量时，采用不同的初始种群编码方式，能够充分利用资源以及提高算法的鲁棒性；总的来说，该方法通过对蝙蝠算法的优化，能够有效解决超密集网络中的资源分配问题，提高系统的吞吐量。