[发明专利]一种基于MOEA/D的多目标基站主动存储分配方法

权利要求书

1.一种基于MOEA/D的多目标基站主动存储分配方法，其特征在于，包括如下步骤：

S1，建立基站主动数据存储及传输的公平性目标、传输代价目标和存储量目标；

S2，建立基站主动数据存储及传输的数据恢复约束条件、基站存储约束条件和传输比例约束条件；

S3，利用MOEA/D方法在S2所规定的约束条件下求解S1定义的公平性目标、传输代价目标和存储量目标联合优化问题；

步骤S1中，

公平性目标定义为：

obj1:

传输代价目标定义为：

obj2:

存储量目标定义为：

obj3:

其中，m_i为每个基站需要存储的数据包数，i、j表示基站，比例α_ij是指其它基站i传输的数据分组数占基站i存储数据的比例，小基站总的数量为N；每个数据分组从基站i传送到基站j所需要的传输代价已知，记为c_ij；

步骤S2中，

数据恢复约束如下：

式中，K_min为基站正确恢复出热点数据必须要接收的分组数量；

基站存储约束条件如下：

0≤m_i≤M_up,

式中，M_up为每个基站能够存储的数据分组数上限；

传输比例约束条件如下：

0≤α_ij≤1,

步骤S3具体包括以下步骤：S31，初始化MOEA/D相关参数，具体如下：

(1)初始化优化目标F＝{f₁,f₂,f₃}，f₁、f₂和f₃为步骤S1所定义的3个优化目标；

(2)初始化MOEA/D分解的子问题个数P，邻域大小T；

(3)构造P个权重向量λ¹,λ²,…,λ^P，每个λ为3维向量，即λ＝{λ₁,λ₂,λ₃}且λ₁+λ₂+λ₃＝1；

(4)随机生成初始种群G＝{G¹,G²,...,G^P}，每一个Gⁱ满足：

Gⁱ＝(α_1,1…α_1,N m₁α_2,1…α_2,N m₂…α_N,1…α_N,N m_N)

式中m_i是用每个基站存储上限M_up归一化的结果，其取值范围在[0，1]之间；

(5)设置最大迭代次数max_gen；

S32，计算每个子问题对应的权重向量的邻域B(i)；

计算任意两个权重向量之间的欧式距离，为每个权重向量选出最近的T个向量，构成它的邻域B(i)，即B(i)＝{i₁,i₂,...,i_T}，i＝1,2,...,P，其中为距离λⁱ最近的T个权重向量；

S33，计算每个优化目标的最佳值z_j以及每个子问题的适应度值FV：

(1)计算最佳值

(2)计算Gⁱ是否满足步骤S2规定的约束条件，如果满足约束条件，则计算各个子问题的单目标函数值F(Gⁱ)＝{f₁(Gⁱ),f₂(Gⁱ),f₃(Gⁱ)}，并且运用切比雪夫聚合法，计算适应值若不满足步骤S2规定的约束条件，则适应值为无穷大；

S34，对每个子问题i，执行下面3步：

(1)繁殖：

从B(i)中随机选择三个权重向量，其编号记为r₁,r₂,r₃，该权重向量对应的解记为和由和交叉生成新解y：

上式中，min(·)代表取最小值，max(·)代表取最大值；y，0和1均为行向量，维数等于个体和的基因个数；

对y以p_m的变异概率变异生成y′：随机选取y中的某个基因位，将其变异为[0,1]之间的一个数；

(2)更新z：对每个j(j＝1,2,3)，如果f_j(y′)＜z_j，则z_j＝f_j(y′)，

(3)更新邻域解：对每个j∈B(i)，如果G^j满足S2所规定的约束条件且那么G^j＝y′；

S35，检测当前迭代次数是否达到max_gen；若是，则算法停止，输出种群G＝{G¹,G²,...,G^P}以及F(G¹),F(G²),...,F(G^P)，否则返回S34继续执行。