章?輝，呂沅宏

?

基于能量消耗和負載均衡的異構(gòu)網(wǎng)絡(luò)基站開閉策略研究

章?輝，呂沅宏

(南開大學天津市光電傳感器與傳感網(wǎng)絡(luò)技術(shù)重點實驗室，天津 300350)

提出新的節(jié)能機制是異構(gòu)網(wǎng)絡(luò)的一個重大挑戰(zhàn)．針對可開閉異構(gòu)網(wǎng)絡(luò)，提出了基于納什均衡的離散粒子群算法(NP-DPSO算法)，旨在通過本算法綜合考慮系統(tǒng)能量消耗與負載，達到均衡狀態(tài)盡可能節(jié)省系統(tǒng)能量．基站僅需根據(jù)自身的能量消耗和負載來決定自身的開閉狀態(tài)，而勿需根據(jù)全局信息，以用戶和基站為博弈參與方建立博弈模型，博弈方均以自身利益最大化為目標執(zhí)行自己的策略，并在每個參與者都認為已經(jīng)做出了最優(yōu)策略的情況下達到非合作博弈的均衡點(納什均衡點)，再利用離散粒子群算法對其求解．通過將NP-DPSO算法與基站全部激活狀態(tài)(BSAA狀態(tài))、休眠激活機制的概率喚醒算法(APO算法)和基于基站休眠的負載合并動態(tài)功率控制算法(LDPC算法)進行了對比分析，驗證本文提出的NP-DPSO算法的先進性與可行性．

可開閉異構(gòu)網(wǎng)絡(luò)；離散粒子群；納什均衡；節(jié)能機制

隨著視頻流和社交媒體等寬帶密集性應用的激增，人們對無線資源的需求呈指數(shù)增長．這種增長給現(xiàn)有的無線蜂窩系統(tǒng)帶了極大的挑戰(zhàn)．因此，無線資源配置的節(jié)能機制成為近年來人們研究的重要課題.在熱點地區(qū)或者宏覆蓋盲區(qū)，傳統(tǒng)的同構(gòu)網(wǎng)絡(luò)已經(jīng)無法滿足用戶的需求，嚴重影響了用戶體驗，所以引入了異構(gòu)網(wǎng)絡(luò)[1]．異構(gòu)網(wǎng)絡(luò)指的是兩個或以上的無線通信系統(tǒng)采用了不同的接入技術(shù)，或者是采用相同的無線接入技術(shù)但屬于不同的無線運營商[2]．最常用的方法就是在區(qū)域內(nèi)部署低成本低功耗的微基站[3]．在維持高效運行的同時又提供了較高的無線服務質(zhì)量.微基站包含了Micro、Pico、Femto等多種形態(tài)[4]．

大規(guī)模部署微基站，在解決熱點區(qū)域覆蓋問題的同時又引入了新的問題，會大大增加功耗[5]，尤其是在用戶流量較小時，會出現(xiàn)很多微基站處于空閑狀態(tài)，嚴重浪費資源．為了解決小區(qū)能耗的問題，提出了可開閉異構(gòu)網(wǎng)絡(luò)，即基站休眠機制，在用戶流量較小時，關(guān)閉不用的基站，以此來節(jié)約能耗[6]．

現(xiàn)有文獻對基站休眠機制的研究，主要有根據(jù)業(yè)務負載的增減、用戶的到達或者離開、用戶分組數(shù)據(jù)的到達與完成等情況決定基站的休眠與激活．文獻[7]基于能耗與業(yè)務負載量之間的權(quán)衡，提出了基于貪婪算法的基站部署機制，通過允許某些基站在休眠和激活兩種狀態(tài)下切換來提高能量效率．文獻[8]提出了休眠激活機制的概率喚醒算法(APO算法)，以優(yōu)化傳統(tǒng)蜂窩網(wǎng)絡(luò)的能量效率．文獻[9]提出基于基站休眠的負載合并動態(tài)功率控制算法(LDPC算法)，低負載的宏基站進入休眠，負載較高的宏基站為工作基站，工作基站根據(jù)本小區(qū)及其分擔的鄰近休眠基站內(nèi)的負載變化，動態(tài)調(diào)節(jié)自身的功率．

盡管上述研究都能提高系統(tǒng)的吞吐量，并降低部分功耗，但是它們都依賴于收集所有網(wǎng)絡(luò)信息并做出相應決定的中央調(diào)控器．這種機制為信息的交換和回傳帶來了額外的成本和開銷．因此，給基站提供自組織能力是一個解決措施，讓基站可以自主地決定是處于激活或者休眠狀態(tài)．

本文讓基站可以根據(jù)當時的流量和網(wǎng)絡(luò)環(huán)境來自主地決定處于休眠還是激活狀態(tài)．基站只需根據(jù)自身的能量消耗和負載來決定自身的狀態(tài)，不需要根據(jù)全局信息，這是非合作問題．為了解決上述問題，本文提出了基于納什均衡的離散粒子群算法(NP-DPSO算法)，以用戶和基站為博弈參與方建立博弈模型，博弈方均以自身利益最大化為目標執(zhí)行自己的策略，并在每個參與者都認為自己已經(jīng)做出了最優(yōu)策略的情況下達到非合作博弈的均衡點(納什均衡點)，再利用離散粒子群算法對其求解．為了驗證本文提出的NP-DPSO算法的先進性與可行性，將此算法與基站全部激活狀態(tài)(BSAA狀態(tài))、文獻[8]的APO算法和文獻[9]的LDPC算法進行了對比分析．

文章第1節(jié)主要是系統(tǒng)模型和問題的提出．文章第2節(jié)，根據(jù)第1節(jié)的內(nèi)容提出了NP-DPSO算法．第3節(jié)，仿真分別分析了平均每個基站目標函數(shù)值隨著微基站數(shù)目遞增、用戶數(shù)目遞增，以及NP-DPSO算法迭代次數(shù)增加的變化情況．

1?系統(tǒng)模型

本文采用小型基站增強場景．小型基站增強場景與典型的異構(gòu)網(wǎng)絡(luò)場景相比，引入了簇的概念，微基站部署在簇內(nèi)．如圖1所示，微基站簇與宏基站之間通過回程鏈路連接，微基站和宏基站工作在不同頻段內(nèi)．

圖1?小型基站增強場景

圖2?系統(tǒng)模型

在激活狀態(tài)下，每個基站將向覆蓋區(qū)域內(nèi)的所有用戶提供服務；在休眠狀態(tài)下，基站也需要消耗能量來感測周圍的用戶．每個基站的功耗[10]為

(1)

?(2)

?(3)

?(4)

?(5)

本文的目標就是最小化目標函數(shù)，綜合考慮系統(tǒng)能量消耗與負載，達到均衡狀態(tài)盡可能節(jié)省系統(tǒng)能量，使整個網(wǎng)絡(luò)性能最優(yōu)．本文優(yōu)化模型為

???(6)

2?算?法

本文允許基站可以根據(jù)當時的流量和網(wǎng)絡(luò)環(huán)境來自主地決定處于休眠還是激活狀態(tài)．基站只需根據(jù)自身的能量消耗和負載來決定自身的狀態(tài)，不需要根據(jù)全局信息，這是非合作問題．為了解決上述問題，本文提出了基于納什均衡的離散粒子群決策算法(NP-DPSO算法)，以用戶和基站為博弈參與方建立博弈模型，博弈方均以自身利益最大化為目標執(zhí)行自己的策略，并在每個參與者都認為自己已經(jīng)做出了最優(yōu)策略的情況下達到非合作博弈的均衡點(納什均衡點)，再利用離散粒子群算法對其求解．該算法旨在綜合考慮系統(tǒng)能量消耗與負載，達到均衡狀態(tài)盡可能節(jié)省系統(tǒng)能量．

就基站而言，博弈的策略是決定基站是否休眠；就用戶而言，博弈的策略是選擇信號最強的基站進行通信．

?(7)

?(8)

對于用戶而言，最優(yōu)策略滿足

?(9)

對于基站而言，最優(yōu)策略滿足

?(10)

?(11)

非合作博弈模型是一個多目標優(yōu)化模型，但優(yōu)化模型不連續(xù)，難以用解析的方式求得該模型的精確解．本文借助智能算法領(lǐng)域的優(yōu)化離散粒子群算法(DPSO)求解，通過粒子群的不斷迭代，逐步逼近均衡解，可以較好地處理此問題．

DPSO算法的速度更新公式與 PSO 算法一樣，但速度值變成了二進制位取1的概率，速度值被映射到區(qū)間[0，1]，映射的方法一般采用sigmoid函數(shù)[13]

?(12)

DPSO算法的速度與位移更新公式為

?(13)

NP-DPSO算法適應度函數(shù)定義為

?(14)

NP-DPSO算法步驟如下．

步驟3 根據(jù)位置和速度公式(13)進行位置和速度的更新．

步驟5 根據(jù)適應度更新歷史最優(yōu)pbest和全局最優(yōu)gbest．

步驟6 重復步驟3～步驟5，直到滿足終止條件(最大迭代次數(shù))．

3?仿真結(jié)果

為了驗證本文提出的NP-DPSO算法的先進性與可行性，將此算法與基站全部激活狀態(tài)(BSAA狀態(tài))、文獻[8]的APO算法和文獻[9]的LDPC算法進行了對比分析．仿真參數(shù)如表1所示．

表1?仿真參數(shù)

Tab.1?Simulation parameters

圖3?基站目標函數(shù)值隨微基站數(shù)目的變化

圖4?基站目標函數(shù)值隨用戶數(shù)目的變化

圖5分析了隨著NP-DPSO算法迭代次數(shù)的增加，在取不同微基站部署數(shù)目和用戶數(shù)目的情況下，每個基站平均目標函數(shù)值的變化情況．迭代次數(shù)分別選取10、20、40、80、100、150、200、250，隨著次數(shù)的增加，函數(shù)值在下降，在迭代次數(shù)小于200時下降較為明顯，當次數(shù)大于200后，函數(shù)值趨于平穩(wěn)．所以本文仿真迭代次數(shù)選取200次．

圖5 基站目標函數(shù)值隨 NP-DPSO算法迭代次數(shù)的變化

4?結(jié)?語

本文讓基站可以根據(jù)當時的流量和網(wǎng)絡(luò)環(huán)境來自主地決定處于休眠還是激活狀態(tài)．基站只需根據(jù)自身的能量消耗和負載來決定自身的狀態(tài)，不需要根據(jù)全局信息．本文提出了基于納什均衡的離散粒子群算法(NP-DPSO算法)，旨在通過本算法綜合考慮系統(tǒng)能量消耗與負載，達到均衡狀態(tài)盡可能節(jié)省系統(tǒng)能量．以用戶和基站為博弈參與方建立博弈模型，博弈方均以自身利益最大化為目標執(zhí)行自己的策略，并在每個參與者都認為自己已經(jīng)做出了最優(yōu)策略的情況下達到非合作博弈的均衡點(納什均衡點)，再利用離散粒子群算法對其求解．通過將NP-DPSO算法與基站全部激活狀態(tài)(BSAA狀態(tài))、文獻[8]的APO算法和文獻[9]的LDPC算法進行了對比分析，驗證本文提出的NP-DPSO算法的先進性與可行性．

［1］ 石文孝，王繼紅，趙?穎，等. 動態(tài)關(guān)斷資源柵格的異構(gòu)無線網(wǎng)絡(luò)基站節(jié)能算法[J]. 通信學報，2012，33(7)：151-157.

Shi Wenxiao，Wang Jihong，Zhao Ying，et al. Energy saving algorithm for heterogeneous wireless network base stations with dynamic shutdown of resource grids[J]. Journal of Communications，2012，33(7)：151-157(in Chinese).

［2］ Damnjanovic A，Montojo J，Wei Y，et al. A survey on 3GPP heterogeneous networks[J]. IEEE Wireless Communications，2011，18(3)：10-21.

［3］ Zhang H，Chen S，F(xiàn)eng L，et al. A universal approach to coverage probability and throughput analysis for cellular networks[J]. IEEE Transactions on Vehicular Technology，2015，64(9)：4245-4256.

［4］ Feng D，Jiang C，Lim G，et al. A survey of energy-efficient wireless communications[J]. IEEE Communications Surveys & Tutorials，2013，15(1)：167-178.

［5］ 張高記，呂建東，陳文學. 通信基站節(jié)能減排評估指標及評估方法研究[J]. 電信科學，2011，27(3)：101-105.

Zhang Gaoji，Lü Jiandong，Chen Wenxue. Research on evaluation indexes and evaluation methods for energy saving and emission reduction of communication base stations[J]. Telecommunication Science，2011，27(3)：101-105(in Chinese).

［6］ 向?偉，張劍峰，邵鑫鴻，等. 基于基站休眠的負載合并動態(tài)功率控制算法[J]. 通信技術(shù)，2015，48(5)：555-559.

Xiang Wei，Zhang Jianfeng，Shao Xinhong，et al. Load-based dynamic power control algorithm based on base station hibernation[J]. Communications Technol-ogy，2015，48(5)：555-559(in Chinese).

［7］ Son K，Kim H，Yi Y，et al. Base station operation and user association mechanisms for energy-delay tradeoffs in green cellular networks[J]. IEEE Journal on Selected Areas in Communications，2011，29(8)：1525-1536.

［8］ Zhou S，Goldsmith A J，Niu Z. On optimal relay placement and sleep control to improve energy efficiency in cellular networks[C]// IEEE International Conference on Communications. Kuala Lumpur，Malaysia，2011：1-6.

［9］ Yong S S，Quek T Q S，Kountouris M，et al. Energy efficient heterogeneous cellular networks[J]. IEEE Journal on Selected Areas in Communications，2013，31(5)：840-850.

［10］ Koudouridis G P，Li H. Distributed power on-off optimisation for heterogeneous networks：A comparison of autonomous and cooperative optimization[C]// IEEE，International Workshop on Computer Aided Modeling and Design of Communication Links and Networks. Barcelona，Spain，2012：312-317.

［11］ Luo Z，Ding M，Luo H. Dynamic small cell on/off scheduling using stackelberg game[J]. IEEE Communications Letters，2014，18(9)：1615-1618.

［12］ 馬曉彤，金順福，劉建平，等. 認知無線電網(wǎng)絡(luò)中的基站節(jié)能策略及納什均衡研究[J]. 通信學報，2016，37(7)：172-181.

Ma Xiaotong，Jin Shunfu，Liu Jianping，et al. Research on base station energy saving strategy and nash equilibrium in cognitive radio networks[J]. Journal on Communications，2016，37(7)：172-181(in Chinese).

［13］ 朱喜華，李穎暉，李?寧，等. 基于改進離散粒子群算法的傳感器布局優(yōu)化設(shè)計[J]. 電子學報，2013，41(10)：2104-2108.

Zhu Xihua，Li Yinghui，Li Ning，et al. Optimization design of sensor layout based on improved discrete particle swarm optimization algorithm[J]. Chinese Journal of Electronics，2013，41(10)：2104-2108(in Chinese).

(責任編輯：王曉燕)

Base Station on/off Strategies for Heterogeneous Networks Based on the Balance of Energy Consumption and Load

Zhang Hui，Lü Yuanhong

(Tianjin Photoelectric Sensor and Sensor Network Technology Laboratory，Nankai University，Tianjin 300350，China)

Proposing a new energy-saving mechanism for heterogeneous networks is a major challenge. For switchable heterogeneous network，this study proposed a discrete particle swarm algorithm based on the decision Nash equilibrium(NP-DPSO algorithm). This algorithm considers the energy consumption and load of the system comprehensively to reach the equilibrium state and save system energy as much as possible. The base station only needs to determine its state based on its own energy consumption and load，without the need for global information. A game model is established between the user and the base station as game participants. The game players execute their own strategies based on their own maximized interests and reach a non-cooperative game in which each participant believes that they have made the best strategy. The equilibrium point(Nash equilibrium point)is solved by using a discrete particle swarm algorithm. By comparing the NP-DPSO algorithm with the total active state of the base station，probabilistic wake-up algorithm of the sleep activation mechanism algorithm and load-based dynamic power control algorithm based on base station hibernation，this study verified the feasibility and advantages of the proposed NP-DPSO algorithm.

switchable heterogeneous network；discrete particle swarm algorithm；Nash equilibrium；energy-saving mechanism

10.11784/tdxbz201711072

TN929.53

A

0493-2137(2019)03-0300-06

2017-11-21；

2018-04-13.

章?輝（1982—??），男，副研究員

章?輝，zhangh@nankai.edu.cn.

國家自然科學基金資助項目(61671254，61501262).

the National Natural Science Foundation of China(No. 61671254，No. 61501262).