本發(fā)明涉及軟件定義無線網(wǎng)絡(luò)(Software Defined Wireless Networking，簡稱SDWN)技術(shù)領(lǐng)域，具體是一種基于SDWN架構(gòu)的無線接入網(wǎng)能耗優(yōu)化方法。

背景技術(shù)：

隨著互聯(lián)網(wǎng)時代的到來，移動互聯(lián)網(wǎng)也迎來了爆炸性的增長。網(wǎng)絡(luò)應(yīng)用的極大豐富和網(wǎng)絡(luò)流量的急劇增加也使整個網(wǎng)絡(luò)產(chǎn)生了極大的能耗。在2011年就有超過4Million的基站被部署用來服務(wù)移動用戶，而在所有網(wǎng)絡(luò)設(shè)備的能耗中有超過60％的能耗是基站引起的，據(jù)估計這種由基站引起的高水平能耗達(dá)到了大約平均每年為25MWh。在2013年全球的移動網(wǎng)絡(luò)在用電方面的業(yè)務(wù)費用高達(dá)220億美元，而且這個數(shù)字還在快速的增長中。為了保障網(wǎng)絡(luò)的魯棒性以及優(yōu)質(zhì)的網(wǎng)絡(luò)服務(wù)，運營商在建設(shè)移動網(wǎng)絡(luò)時通常會使網(wǎng)絡(luò)的設(shè)計承載能力大大超過網(wǎng)絡(luò)可能的最大請求量。這就造成了在網(wǎng)絡(luò)空閑時段會有大量的網(wǎng)絡(luò)設(shè)備處于閑置狀態(tài)，包括基站。

根據(jù)網(wǎng)絡(luò)流量的變化來調(diào)整基站的開關(guān)狀態(tài)是一種有效的基站節(jié)能方法。這種動態(tài)的基站開關(guān)問題被證明為是NP-hard問題。這類問題至今未有一個有效的算法能在多項式時間復(fù)雜度內(nèi)解決它，通常情況下解決該類問題需要知道系統(tǒng)的全局信息。現(xiàn)有技術(shù)中使用最多的是貪婪算法。貪婪算法擁有較快的收斂速度，但是其所得解十分容易陷入局部最優(yōu)。另外限于現(xiàn)有網(wǎng)絡(luò)架構(gòu)無法提供實時有效的全局信息，現(xiàn)有的交換設(shè)備中，網(wǎng)絡(luò)策略以軟件的形式與網(wǎng)絡(luò)設(shè)備緊密耦合，部署新的網(wǎng)絡(luò)策略需要大范圍更新網(wǎng)絡(luò)設(shè)備中的軟件。這給新策略的大范圍更新和部署帶來了很大的困難和極高的成本。另外，通過開關(guān)基站的方式來實現(xiàn)基站節(jié)能，必然會導(dǎo)致網(wǎng)絡(luò)穩(wěn)定性與服務(wù)質(zhì)量的降低，所以如何度量QoS的損失并在算法執(zhí)行過程中使其損失程度在可以接受的范圍內(nèi)成為策略設(shè)計過程中必須考慮的問題。

SDWN是軟件定義無線網(wǎng)絡(luò)，是軟件定義網(wǎng)絡(luò)(Software Defined Networks，簡稱SDN)在移動網(wǎng)絡(luò)的發(fā)展，SDWN繼承了SDN擁有的架構(gòu)特點，并對原有的移動網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了SDN式的改造。與傳統(tǒng)網(wǎng)絡(luò)不同，它強(qiáng)調(diào)將原來存在于物理設(shè)備中的可編程的控制軟件剝離，并將這些控制功能整合為一個控制器整體(controller entity)。這樣，原來各個層級的交換設(shè)備只在控制器的控制下承擔(dān)簡單的數(shù)據(jù)轉(zhuǎn)發(fā)任務(wù)，而控制邏輯轉(zhuǎn)移到了SDWN控制器或者SDWN控制系統(tǒng)(network operating system，簡記為NOS)，它們提供網(wǎng)絡(luò)資源分配，網(wǎng)絡(luò)視圖的抽象，為網(wǎng)絡(luò)應(yīng)用提供可以控制網(wǎng)絡(luò)流量的軟件平臺。這與計算機(jī)操作系統(tǒng)的功能類似。這樣的結(jié)構(gòu)能夠?qū)崿F(xiàn)更為快速的網(wǎng)絡(luò)策略部署和更為靈活的網(wǎng)絡(luò)流量控制。

如圖1所示，采用3GPP Evolved Packet System的網(wǎng)絡(luò)的結(jié)構(gòu)加以改進(jìn)來說明SDWN結(jié)構(gòu)的功能劃分，其中實線代表用戶層的鏈接，虛線代表控制層的鏈接。整個網(wǎng)絡(luò)架構(gòu)從下往上依次分為為數(shù)據(jù)層、控制層和管理層。在SDWN中，底層的網(wǎng)絡(luò)轉(zhuǎn)發(fā)設(shè)備不像現(xiàn)有網(wǎng)絡(luò)中的設(shè)備那樣具有嵌入式的控制軟件，而成為單純的轉(zhuǎn)發(fā)設(shè)備，這些網(wǎng)絡(luò)設(shè)備不僅包含核心骨干網(wǎng)中的各個交換機(jī)和路由器，也包括E-UTRAN、WiFi熱點以及其他的無線接入網(wǎng)中的各種接入點和路由器，它們都通過南向接口接受控制器的控制。SDWN控制器是一個邏輯集中的流級轉(zhuǎn)發(fā)控制整體，位于控制層。虛擬機(jī)管理器提供對硬件的虛擬化，以實現(xiàn)不同的虛擬機(jī)能共享相同的硬件資源，這使得控制器對于資源的分配更為靈活。運行在控制器上的NOS提供了網(wǎng)絡(luò)狀態(tài)和網(wǎng)絡(luò)拓?fù)涞男畔ⅲM(jìn)行網(wǎng)絡(luò)資源的分配，提供了網(wǎng)絡(luò)設(shè)備的抽象以及相關(guān)的應(yīng)用接口等功能。這使得開發(fā)者在進(jìn)行網(wǎng)絡(luò)流量控制時不需要了解下層的網(wǎng)絡(luò)設(shè)備運行的細(xì)節(jié)，方便了網(wǎng)絡(luò)策略的快速部署。由于單個控制器的處理能力有限，可以通過東西向接口將多個分布式的控制器整合為一個整體，使其具備更強(qiáng)大的處理能力，以應(yīng)對更大規(guī)模的、更復(fù)雜的流量控制任務(wù)。與南向接口被整合在硬件中不同，北向接口更可能是一個軟件生態(tài)系統(tǒng)。通過北向接口，網(wǎng)絡(luò)業(yè)務(wù)的開發(fā)者，例如運營商和服務(wù)提供者能以軟件編程的形式調(diào)用各種網(wǎng)絡(luò)資源。同時上層的網(wǎng)絡(luò)資源管理系統(tǒng)可以通過控制器的北向接口全局把控整個網(wǎng)絡(luò)的資源狀態(tài)，并對資源進(jìn)行統(tǒng)一調(diào)度。在管理層，開發(fā)者們使用編程語言抽象控制器功能的內(nèi)部細(xì)節(jié)以及數(shù)據(jù)層的行為?；谶@一系列的軟件功能，開發(fā)者使用編程語言開發(fā)基于SDWN的網(wǎng)絡(luò)應(yīng)用，制定各種流量轉(zhuǎn)發(fā)策略，在NOS上運行并通過控制器下發(fā)控制命令到底層的網(wǎng)絡(luò)設(shè)備，以實現(xiàn)路由、接入控制、負(fù)載均衡、移動管理等網(wǎng)絡(luò)管理功能。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種基于SDWN架構(gòu)的無線接入網(wǎng)能耗優(yōu)化方法，在SDWN網(wǎng)絡(luò)架構(gòu)下應(yīng)用基站節(jié)能策略，以實現(xiàn)基站能夠在網(wǎng)絡(luò)請求量較少的時段關(guān)閉以節(jié)約更多的能量。

本發(fā)明的基于SDWN架構(gòu)的無線接入網(wǎng)能耗優(yōu)化方法，在SDWN網(wǎng)絡(luò)架構(gòu)下應(yīng)用基站節(jié)能策略，并采用基于量子熵變異的量子禁忌算法來求解基站節(jié)能問題。

首先，設(shè)網(wǎng)絡(luò)中的所有基站的開關(guān)狀態(tài)組合用s＝{x₁,x₂…,x_n}來表示，x_i表示基站i的開關(guān)狀態(tài)，x_i取值為0時表示基站開啟，x_i取值為1時表示基站關(guān)閉，將基站節(jié)能問題描述如下：

其中，B_on是網(wǎng)絡(luò)中所有處于開啟狀態(tài)的基站的集合；E(B_on)是網(wǎng)絡(luò)中所有處于開啟狀態(tài)的基站的總能耗；E_b是基站b的總能耗；ρ_b是基站b的系統(tǒng)負(fù)載；是基站b的系統(tǒng)負(fù)載上限。n為網(wǎng)絡(luò)中所有基站的數(shù)目。

然后，采用基于量子熵變異的量子禁忌算法來求解基站節(jié)能問題，實現(xiàn)步驟為：

步驟一，初始化，具體是：設(shè)置迭代此時t的值為0，設(shè)置禁忌表T為空；初始化當(dāng)前迭代中的量子寄存器q(t)，和的初始值均設(shè)為i＝1,2,…n；初始化當(dāng)前迭代最優(yōu)解s^b和當(dāng)前迭代最差解s^w，s^b和s^w均為元素值都是1的向量，代表所有基站均處于開啟狀態(tài)；初始化歷史最優(yōu)解M和其能耗E(M)，M的初始值與s^b相同。

步驟二，執(zhí)行迭代過程，直到滿足迭代終止條件；第t次迭代的過程是：

步驟2.1，將t自增1；

步驟2.2，對q(t-1)進(jìn)行m次測量得到本次迭代的量子種群Q_t；其中，m是正整數(shù)，表示在第t次迭代中第j次測量得到的基站開關(guān)組合；

步驟2.3，將種群Q_t中不滿足負(fù)載約束條件的基站開關(guān)組合刪除；計算種群Q_t中剩余的每個基站開關(guān)組合的基站總能耗，從中篩選出當(dāng)前最優(yōu)解s^b和當(dāng)前最差解s^w；

步驟2.4，將s^b和歷史最優(yōu)解M的基站總能耗進(jìn)行比較，若E(s^b)比E(M)更小，則用s^b替換M；若M的節(jié)能效果優(yōu)于s^b，則保持M不變；

步驟2.5，使用量子旋轉(zhuǎn)門更新q(t)，如果和相同時，將對應(yīng)的第i位量子位放到禁忌表中，禁忌表中量子位在接下來的步驟中不使用量子旋轉(zhuǎn)門更新；其中，和分別表示對應(yīng)的基站開關(guān)組合中基站i的開關(guān)狀態(tài)。

步驟三，當(dāng)達(dá)到迭代終止條件時，輸出最終的歷史最優(yōu)解M，根據(jù)M設(shè)置網(wǎng)絡(luò)中的基站開關(guān)狀態(tài)。

本發(fā)明的優(yōu)點與積極效果在于：本發(fā)明設(shè)計了在SDWN環(huán)境下的基站節(jié)能策略的信令交互過程，然后將基站節(jié)能問題抽象化，并對網(wǎng)絡(luò)模型進(jìn)行模擬，針對這類聯(lián)合優(yōu)化問題選取智能群體算法進(jìn)行改進(jìn)，提出了改進(jìn)的基于量子熵變異的量子禁忌算法，使得能夠在保證收斂速度的前提下以高概率搜索到最優(yōu)解。本發(fā)明在求取最優(yōu)解時，使用量子位來表示染色體，并通過量子旋轉(zhuǎn)門實現(xiàn)量子位狀態(tài)的更新，使得計算收斂速度明顯加快，同時量子變異機(jī)制有效加強(qiáng)了對最優(yōu)解周圍區(qū)域的搜索，提高了搜索到最優(yōu)解的概率。本發(fā)明根據(jù)所求取的最優(yōu)解實現(xiàn)基站節(jié)能策略，實現(xiàn)基站在網(wǎng)絡(luò)請求量較少的時段關(guān)閉以節(jié)約更多的能量。

附圖說明

圖1是軟件定義無線網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；

圖2是本發(fā)明基于SDWN的基站節(jié)能策略的整體示意圖；

圖3是量子旋轉(zhuǎn)門的極坐標(biāo)表示示意圖；

圖4是本發(fā)明迭代求解基站節(jié)能問題時測量生成基站開關(guān)狀態(tài)的方法示意圖；

圖5是本發(fā)明基于量子熵變異的量子禁忌算法來求解基站節(jié)能問題的整體步驟示意圖。

具體實施方式

下面將結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。

在SDWN架構(gòu)下，網(wǎng)絡(luò)的控制層和數(shù)據(jù)轉(zhuǎn)發(fā)層分離，從而使得集中的控制器能夠更為靈活的控制網(wǎng)絡(luò)的流量，實現(xiàn)網(wǎng)絡(luò)資源的虛擬化和最大利用。本發(fā)明提供的基站節(jié)能策略以網(wǎng)絡(luò)編程軟件的形式在控制器中運行，并通過控制器控制網(wǎng)絡(luò)流量?；竟?jié)能策略在實施過程中需要實現(xiàn)基站關(guān)閉、用戶遷移的功能。本發(fā)明設(shè)計了在SDWN環(huán)境下的基站節(jié)能策略的信令交互過程，然后將基站節(jié)能問題抽象化，并對網(wǎng)絡(luò)模型進(jìn)行模擬，針對這類聯(lián)合優(yōu)化問題選取智能群體算法進(jìn)行改進(jìn)，通過提出基于量子熵的量子變異機(jī)制改進(jìn)量子禁忌算法，使得能夠在保證收斂速度以高概率搜索到最優(yōu)解。

本發(fā)明的基站節(jié)能策略涉及到的系統(tǒng)參數(shù)只包括用戶、基站以及兩者之間的無線信道，所以使用現(xiàn)有無線通信系統(tǒng)的網(wǎng)絡(luò)模型仍然適用于SDWN。在移動網(wǎng)絡(luò)中，網(wǎng)絡(luò)流量大部分來自于下行通信，所以本發(fā)明方法僅對下行鏈路進(jìn)行模型抽象。標(biāo)記所有基站覆蓋的區(qū)域為Ω，在二維區(qū)域Ω內(nèi)的基站集合表示為B＝{b₁,b₂,…,b_i,…,b_n}，n表示基站個數(shù)，b_i表示基站i。設(shè)在位置x處的用戶，x∈Ω，該用戶的平均流量到達(dá)率符合發(fā)生率為λ(x)的獨立泊松分布，該用戶的平均請求數(shù)據(jù)包大小符合率參數(shù)為1/μ(x)的指數(shù)分布，則該用戶的流量負(fù)載可表示為γ(x)＝λ(x)/μ(x)。令用戶接入到其所接收到的最強(qiáng)信號的基站。

其中，b是在位置a處的用戶接入的基站；B_on是所有處于開啟狀態(tài)的基站的集合，表示基站i的發(fā)射功率；g(i,a)表示基站i與a處用戶的平均信道增益。基站b∈B_on與a處用戶之間無線信道容量用香農(nóng)公式表示為：

C(a,B_on)＝W·log₂(1+SINR_b(a,B_on)) (2)

其中，W是信道帶寬，SINR_b(a,B_on)表示位于a處用戶接收到來自基站b信號的信干噪比。

SINR_b(a,B_on)的計算公式如下：

其中，σ²表示噪聲功率?；綽的系統(tǒng)負(fù)載可以定義為：

其中，Ω_b表示基站b的服務(wù)范圍。

本發(fā)明中的基站能耗模型將基站能耗分為固定能耗和適應(yīng)性能耗，數(shù)學(xué)表達(dá)如下：

其中，E_b是基站b的總能耗，P_b是基站b的最大運行功耗，其中包括了天線，功率放大器，冷卻系統(tǒng)等等部件的能耗。h_b表示基站b的固定能耗在總能耗中所占的比例，h_b∈[0,1]，h_b＝1時，基站能耗與其負(fù)載無關(guān)，并始終保持一恒定值。h_b＝0時，基站能耗與其負(fù)載成正比，這意味著如果基站沒有用戶接入，其能耗將為0。事實上負(fù)載主要影響基站中功率放大器的能耗，而功率放大器能耗僅占到基站總能耗的55％-60％。ρ_b為基站b的系統(tǒng)負(fù)載。

基站節(jié)能問題就是，在一定的約束條件下找到一個基站開關(guān)的組合使得整個網(wǎng)絡(luò)中基站的總能耗E(B_on)最小，可以抽象為如下公式：

表示基準(zhǔn)b的系統(tǒng)負(fù)載上限。

關(guān)閉部分負(fù)載水平較低的基站雖然能夠節(jié)省能耗，但是同時也會帶來系統(tǒng)魯棒性降低以及QoS的損失。本發(fā)明設(shè)定一個小于1的系統(tǒng)負(fù)載上限以保證基站節(jié)能策略帶來的影響在可接受范圍內(nèi)。如果較小，意味著系統(tǒng)將會有更好的服務(wù)質(zhì)量以及流量承載能力，但是策略的節(jié)能效果會相應(yīng)減弱。另一方面如果較大，系統(tǒng)會以更多QoS的損失為代價換取更多的節(jié)能量。所以應(yīng)當(dāng)適當(dāng)?shù)剡x取系統(tǒng)負(fù)載上限以平衡節(jié)能量和系統(tǒng)服務(wù)質(zhì)量這兩個矛盾的方面。

本發(fā)明設(shè)計了在基站節(jié)能策略執(zhí)行過程中，SDWN的各個網(wǎng)絡(luò)組成部分的信令交互流程，如圖2所示。由于SDWN的具體技術(shù)方案并沒有被確定下來，本發(fā)明只說明在SDWN架構(gòu)下，基站通過切換到睡眠模式的節(jié)能方案是可行的，不涉及具體的信令設(shè)計和接口使用。

預(yù)處理(Pre-process)階段：出于對服務(wù)質(zhì)量的考慮，運營商會考慮在網(wǎng)絡(luò)中服務(wù)請求比較少的時候啟動基站睡眠策略。策略的觸發(fā)條件可能是固定的時間段，也可能是流量門限，又或者是人工啟動。當(dāng)觸發(fā)條件滿足的時候，運營商網(wǎng)絡(luò)(Operator Service Network)會使用北向接口向控制器(SDWN Controller)發(fā)送策略啟動的指令，控制器確認(rèn)當(dāng)前網(wǎng)絡(luò)狀態(tài)能夠使用基站節(jié)能策略后，即開始更新網(wǎng)絡(luò)狀態(tài)信息，例如基站配置信息，基站負(fù)載信息等。然后運行于控制器中的基站節(jié)能策略根據(jù)最新的網(wǎng)絡(luò)狀態(tài)信息計算策略執(zhí)行帶來的網(wǎng)絡(luò)影響并輸出基站開關(guān)和用戶(UE)遷移的方案，方案中包括需要關(guān)閉的源基站(Source BS)，源基站中的用戶以及用戶需要遷移到的目標(biāo)基站(Target BS)。接下來控制器分別向源基站與目標(biāo)基站發(fā)送用戶遷移請求，收到來自兩者可以遷移的反饋后，將遷移方案發(fā)送給源基站。需要指出的是，控制器通過南向接口與無線接入網(wǎng)中的網(wǎng)絡(luò)設(shè)備進(jìn)行通信，他們之間的信令交換采用流表的形式。

遷移(Handover)階段：在源基站服務(wù)區(qū)域中的用戶會從源基站接收到需要遷移到的目標(biāo)基站編號。當(dāng)源基站向所有的用戶都發(fā)送了遷移的配置信息后，即開始上傳被修改的用戶信息以及業(yè)務(wù)信息到控制器。然后控制器將該用戶配置信息以及從源基站接收的下行數(shù)據(jù)傳輸?shù)侥繕?biāo)基站，幫助目標(biāo)基站與用戶建立上下行鏈接。另一方面，一旦用戶收到了遷移配置信息后，便開始持續(xù)嘗試同目標(biāo)基站建立鏈接，當(dāng)目標(biāo)基站中的用戶配置信息更新完成后，兩者即可建立上下行同步。然后目標(biāo)基站向控制器發(fā)送反饋消息，該消息包含了有關(guān)該用戶的最新網(wǎng)絡(luò)配置信息以及TBS(Target BS，目標(biāo)基站)最新網(wǎng)絡(luò)狀態(tài)信息。最后控制器再次更新用戶、目標(biāo)基站和源基站的網(wǎng)絡(luò)狀態(tài)信息，并命令源基站釋放原來用于服務(wù)用戶的網(wǎng)絡(luò)資源。在本策略中，控制器始終保持著最新的全局網(wǎng)絡(luò)信息以確?；竟?jié)能策略高效準(zhǔn)確地執(zhí)行。

睡眠(Sleeping)階段：當(dāng)存在于源基站服務(wù)區(qū)域中的用戶都被遷移出去后，源基站會被關(guān)閉。如圖2所示，為了保證控制器中儲存信息的完備性，在控制器命令源基站關(guān)閉的部分設(shè)計了與TCP協(xié)議中的三次握手機(jī)制類似的信令交換流程。完成關(guān)閉源基站的任務(wù)后，控制器會將本次策略執(zhí)行過程中的相關(guān)網(wǎng)絡(luò)情況的變化報告給服務(wù)器網(wǎng)絡(luò)，至此基站節(jié)能策略執(zhí)行完畢。在策略執(zhí)行過程中，單個用戶從被關(guān)閉的基站遷移到其他基站的步驟與傳統(tǒng)的用戶遷移類似，但是高效的群體遷移需要依靠先驗預(yù)測用戶的遷移方向，現(xiàn)有的群體遷移算法同樣可以和本發(fā)明基站節(jié)能策略一同使用以支持高效，迅速的用戶群體遷移。

在SDWN的網(wǎng)絡(luò)架構(gòu)下，無線接入網(wǎng)中的各個網(wǎng)絡(luò)設(shè)備只用來作為單純的轉(zhuǎn)發(fā)設(shè)備，而真正控制其流量變化的是控制器。本發(fā)明的節(jié)能策略運行的關(guān)鍵在于控制器能夠定期從下層的網(wǎng)絡(luò)設(shè)備中收取報告，維護(hù)完整的網(wǎng)絡(luò)信息，從而完成網(wǎng)絡(luò)的轉(zhuǎn)發(fā)抽象、分配抽象以及規(guī)范抽象。由運營商或是其他網(wǎng)絡(luò)管理者編寫的第三方網(wǎng)絡(luò)軟件(本發(fā)明中是基站節(jié)能策略)提供了網(wǎng)絡(luò)控制的策略邏輯。策略中算法的輸出通過控制器指導(dǎo)網(wǎng)絡(luò)的流量變化以及其他網(wǎng)絡(luò)設(shè)備的行為。在傳統(tǒng)的IP網(wǎng)絡(luò)中，控制層與數(shù)據(jù)層緊密耦合，網(wǎng)絡(luò)管理者對網(wǎng)絡(luò)的控制與管理已經(jīng)十分困難，排除網(wǎng)絡(luò)故障的難度和成本都很高。在SDWN中這些控制與管理功能都被集成到控制器中，第三方的管理者只需要與控制器進(jìn)行交互，下發(fā)策略讓其執(zhí)行。這集中控制的結(jié)構(gòu)有利于策略的快速部署以及網(wǎng)絡(luò)故障的排查。

本發(fā)明采用基于量子熵變異的量子禁忌算法求解基站節(jié)能問題。量子計算是在量子計算機(jī)上運行的算法，其具有量子并行性，相對于傳統(tǒng)算法來說，其計算速率得到了大幅度的提升。與傳統(tǒng)計算機(jī)中的比特不同，量子計算機(jī)中的量子比特(qubit)不僅能存儲0和1這樣的基本態(tài)，還能存儲兩者同時存在的疊加態(tài)。另外對量子比特的觀測行為會導(dǎo)致其從疊加態(tài)坍縮為基本態(tài)。由于現(xiàn)今還未能制造出完美的量子計算機(jī)，所以一些研究者嘗試將量子計算的一些特征引入到傳統(tǒng)算法中加以改進(jìn)，從而形成了一系列量子智能算法。量子禁忌算法便是其中之一。量子禁忌算法將量子進(jìn)化算法和禁忌搜索算法結(jié)合。其中量子進(jìn)化算法通過將量子態(tài)矢量編碼引入進(jìn)化算法中，用多個量子染色體模擬種群，用量子門的變換實現(xiàn)種群的進(jìn)化，變異等操作，以實現(xiàn)相對于進(jìn)化算法的速率提升。禁忌算法通過用禁忌表記錄曾經(jīng)達(dá)到過的局部最優(yōu)，從而在下次搜索中回避或者有選擇地搜索這些區(qū)域，使得搜索能夠有效跳出局部最優(yōu)。量子禁忌算法結(jié)合兩者優(yōu)點，不僅有效避免了早熟收斂的產(chǎn)生，而且大大提升了算法搜索的速度和準(zhǔn)確性。

基于量子熵變異的量子禁忌算法(簡記為QETS算法)采用量子比特編碼，量子比特采用Dirac表示方法：

其中α_i和β_i是復(fù)數(shù)，分別表示基本態(tài)|0＞和|1＞的概率幅，|α_i|²和|β_i|²表示對進(jìn)行觀測之后，量子態(tài)坍縮到|0＞或|1＞的概率，而在本發(fā)明的基站節(jié)能優(yōu)化問題中，n為基站數(shù)量，|α_i|²和|β_i|²則分別表示基站i關(guān)閉和打開的概率，兩者滿足歸一化條件：

|α_i|²+|β_i|²＝1 (8)

在QETS中用一個量子比特表示一個量子染色體，多個量子比特構(gòu)成的量子寄存器表示一個染色體的集合，其數(shù)學(xué)表示為：

一個n位的量子寄存器由n個量子比特組成，它同時存儲著2ⁿ種狀態(tài)，在基站開關(guān)問題中表示2ⁿ種基站開關(guān)組合分別以不同的概率共存于量子寄存器中。對n位量子寄存器進(jìn)行變換等同于2ⁿ次重復(fù)操作或是2ⁿ個處理器同時操作。這種量子并行特性能有效提升算法計算效率。

在QETS中對于量子染色體的更新是采用量子旋轉(zhuǎn)門的變換來實現(xiàn)的，即使用量子旋轉(zhuǎn)矩陣作用于量子染色體上。量子旋轉(zhuǎn)門采用U門。其在極坐標(biāo)中的表示如圖3所示，其數(shù)學(xué)表達(dá)式如公式(10)：

其中t表示迭代次數(shù)，Δθ表示量子旋轉(zhuǎn)角。不同的Δθ對量子禁忌算法的準(zhǔn)確度和收斂速度都有影響。分別表示在第t次迭代時基站i關(guān)閉、開啟的量子幅。當(dāng)Δθ較大時，收斂速度快，但是容易陷入局部最優(yōu)；若Δθ較小時，雖然更容易搜索到全局最優(yōu)解，可是算法收斂所需迭代次數(shù)較多，所以合理設(shè)置Δθ的大小對算法的效果有著重要的影響。

令s^b和s^w分別表示當(dāng)前迭代中的最優(yōu)解和最差解，和分別為最優(yōu)解和最差解的第i個基站的開關(guān)狀態(tài)，比較s^b和s^w這兩個二進(jìn)制串，當(dāng)和相同時，將對應(yīng)的第i位量子位q_k放到禁忌表中。一旦該量子位處在禁忌表中，則不會使用量子旋轉(zhuǎn)門去作用該量子位，這與通常的禁忌搜索算法中將最近的操作記錄在禁忌表中不同。另外在QETS中只需要更新n次，而在傳統(tǒng)的量子進(jìn)化算法中則需要更新n乘m次，這也是QETS算法為什么比量子進(jìn)化算法更高效的主要原因。令QETS中禁忌表禁忌長度都為1，旋轉(zhuǎn)角度的選擇如表1所示：

表1量子旋轉(zhuǎn)角度表

表1中，T為禁忌表，θ表示具體設(shè)置的旋轉(zhuǎn)角度絕對值。

集中性搜索和多樣性搜索在量子進(jìn)化算法中同時存在，但又相互矛盾，如何在合理的時機(jī)有效調(diào)配兩者的關(guān)系則是算法有效的關(guān)鍵。QETS引入了基于量子熵的量子變異機(jī)制，動態(tài)調(diào)整算法搜索的集中性和多樣性，有效地解決了這一矛盾。

定義量子位的量子熵

量子熵用來表示量子染色體的兩個概率幅之間的差距。其中表示在第t次迭代中第i個量子位q_i，由量子熵的定義可知，量子熵取值范圍為[0,1]，當(dāng)|α_i|²和|β_i|²之間的差距變大時，量子熵的值變小，故可以通過量子熵來判別量子種群的聚集狀況?；鹃_關(guān)的概率是由其對應(yīng)量子染色體的概率幅決定的，基站的開關(guān)狀態(tài)組合用s＝{x₁,x₂...,x_n}來表示，x_i表示某一基站的開關(guān)狀態(tài)，x_i取值0或1，分別表示基站處于開啟和關(guān)閉的狀態(tài)。在每次迭代中，通過如下算法來決定基站的狀態(tài)，偽代碼如下：

如圖4及上面?zhèn)未a，每次迭代時，每個基站處于開啟和關(guān)閉的狀態(tài)的確定過程是：首先在[0,1]區(qū)間內(nèi)取兩個隨機(jī)數(shù)c,f，然后判斷是否成立；若成立，進(jìn)一步判斷是否成立，若成立，則第i個基站為開啟狀態(tài)x_i＝1，若不成立，則第i個基站為關(guān)閉狀態(tài)x_i＝0。若不成立，則在時，設(shè)置x_i＝0，反之設(shè)置x_i＝1。

隨著搜索的進(jìn)行，量子位的概率分布逐步向歷史最優(yōu)解靠攏，|α_i|²和|β_i|²的差距越來越大，量子熵越來越小，測量產(chǎn)生的解有很大的幾率固定在某一個狀態(tài)上。QETS引入基于量子熵的量子變異機(jī)制，測量時產(chǎn)生一個隨機(jī)數(shù)c∈[0,1]，如果量子熵大于隨機(jī)數(shù)c，則采用一般的基站開關(guān)決定策略，即如果量子熵小于隨機(jī)數(shù)c，則采用完全相反的基站開關(guān)決定策略。當(dāng)量子位處于聚集態(tài)時，其有更大幾率產(chǎn)生變異。采取這樣的機(jī)制能夠有效跳出局部最優(yōu)解，從而擴(kuò)大搜索解的范圍，增大搜索到最優(yōu)解的概率。

QETS將禁忌規(guī)則有效融入到量子旋轉(zhuǎn)門中，既保留了量子進(jìn)化算法快速收斂的特點，又通過禁忌規(guī)則避免算法早熟，同時引入的基于量子熵的量子種群變異機(jī)制則能根據(jù)量子概率分布聚集情況自適應(yīng)調(diào)整搜索范圍，有效調(diào)和算法搜索的集中性和多樣性的矛盾。本發(fā)明采用的基于量子熵變異的量子禁忌算法來求解基站節(jié)能問題。

下面結(jié)合上表和圖5對本發(fā)明采用的改進(jìn)的量子禁忌算法求解基站節(jié)能問題的過程進(jìn)行說明。

步驟一，進(jìn)行初始化。設(shè)置迭代次數(shù)t為0，設(shè)置禁忌表T為空。初始化第t次迭代中的量子位概率分布情況，即量子寄存器所有的α和β初始值設(shè)為這表示算法開始時選擇基站開或關(guān)的概率相等。初始化當(dāng)前迭代最優(yōu)解s^b和當(dāng)前迭代最差解s^w。s^b和s^w的初始值由一連串1組成，代表所有基站均處于開啟狀態(tài)。初始化歷史最優(yōu)解M和其能耗E(M)。M是歷史最優(yōu)解，其初始值與s^b相同。

步驟二，執(zhí)行迭代過程。在迭代終止條件不滿足時，循環(huán)執(zhí)行7-16行的主程序。以第t次迭代為例說明。

步驟2.1，將t自增1。

步驟2.2，多次測量q(t-1)得到量子種群Q_t。

對q(t-1)進(jìn)行m次測量得到本次迭代的種群Q_t，產(chǎn)生本次循環(huán)內(nèi)的量子種群：

其中，m是正整數(shù)，表示在第t次迭代中第j次測量所得基站開關(guān)組合。是二進(jìn)制數(shù)，表示在第j次測量中所得的第i個基站的開關(guān)狀態(tài)。Q_t是一系列基站開關(guān)組合的集合。應(yīng)用前述的量子狀態(tài)決定算法測量量子位生成本次迭代的種群，α和β兩者的差距越大，測量過程中應(yīng)用量子變異機(jī)制的概率就越大。

步驟2.3，對種群進(jìn)行篩選，將不滿足負(fù)載約束條件的基站開關(guān)組合從Q_t中刪除。然后計算剩余的解的基站總能耗E(s)，并根據(jù)E(s)篩選出當(dāng)前最優(yōu)解s^b和當(dāng)前最差解s^w。

步驟2.4，將s^b和歷史最優(yōu)解M的基站總能耗進(jìn)行比較，若E(s^b)比E(M)更小則，則用s^b替換M；若M的節(jié)能效果優(yōu)于s^b，則保持M不變。

步驟2.5，使用量子旋轉(zhuǎn)門來更新q(t)，量子旋轉(zhuǎn)門的角度選擇通過查表得到，如果和相同時，將對應(yīng)的第i位量子位q_i放到禁忌表T中，這意味著將不會在接下來的步驟中使用量子旋轉(zhuǎn)門來更新該量子位的概率分布。量子旋轉(zhuǎn)角是決定算法收斂速度的關(guān)鍵參數(shù)，為了避免早熟收斂，通常這個角度會選擇一個比較小的值。為當(dāng)前迭代最優(yōu)解中基站i的開關(guān)狀態(tài)，為在當(dāng)前迭代最差解中基站i的開關(guān)狀態(tài)。

步驟三，當(dāng)達(dá)到迭代終止條件時，輸出最終的歷史最優(yōu)解M，就是所要求取的最優(yōu)解，網(wǎng)絡(luò)中的控制器根據(jù)該最優(yōu)解實施基站節(jié)能，設(shè)置對應(yīng)基站的開關(guān)。迭代終止條件可以根據(jù)情況設(shè)計，例如可設(shè)置迭代次數(shù)上限為200次。