无线通信系统是一种资源受限的系统。随着无线业务的需求日趋增多，无线资源短缺的问题日益突出，如基站站址资源、频谱资源、码资源、功率资源、带宽资源等。如何有效地利用有限的无线资源来满足日益增长的业务需求，已经成为国内外研究者共同关注的问题。一方面，通过采用先进的通信技术来提高通信系统的容量和质量；另一方面，通过对无线通信网络的资源进行优化来提高资源的利用率，充分利用可用的无线资源。
　　无线通信网络的资源优化问题就是在资源给定的前提下寻找最好的分配方案，从而使资源消耗最小且收益最大，这些问题经过建模后都成为最优化问题。并且，由于无线通信网络优化问题涉及的参数众多，经数学建模后多数为非凸约束优化问题。智能计算方法已经被证明为求解此类问题的有效方法，表现出较好的性能。人工免疫算法是一种受生物免疫系统启发的智能优化算法，具有提供新颖的解决问题的潜力，已经在工程优化领域显示出优越的性能。本书主要将免疫克隆算法用于无线网络中的资源优化问题，对人工免疫算法在工程领域的应用进行了积极探索。
　　本书是对作者从事无线网络资源优化领域前沿研究成果的梳理与总结，较为深入地阐述了免疫优化算法在无线网络资源优化中的应用和性能分析。本书针对不同网络场景，将不同类型的无线网络资源分配问题建模成各种优化模型，并设计出相应的免疫优化算法和混合优化算法进行求解，对模型性能、算法收敛性、资源分配优化性能等逐一加以分析和讨论。内容取材于作者近期在国际、国内学术会议、期刊发表的论文，包括基站选址优化、频谱资源优化、认知引擎参数优化、基站导频功率优化、联合会话接纳控制、垂直切换判决、负载均衡、子载波和功率资源的分配等。
　　本书坚持学术性和应用性相结合的原则，在阐述工程优化问题时，一方面侧重方法论，阐述常用的优化方法；另一方面，以案例式讲解利用智能方法对资源优化问题的建模过程，使读者掌握具体的应用技能。本书的鲜明特色是把理论和实践融合在一起，以“理论及方法探索一建立问题模型一求解模型，给出优化方案一评估方案一根据反馈信息修正模型”的方式展示技术方案。在讲解过程中，遵从了“用理论来指导实践，用实践来丰富理论”的科研规律，读者在阅读本书时，可以一边学习理论，一边在实验室进行案例仿真实验。
　　本书由周口师范学院朱思峰撰写第1章～第5章，天津工业大学柴争义撰写第6章～第10章。在本书撰写过程中，参考了国内外同行的最新研究成果，在此向他们表示衷心的感谢。
　　本书的研究工作得到了国家自然科学基金项目（u1204618）、河南省高校科技创新人才支持计划项目（13HASTIT041）、泛网无线通信教育部重点实验室（北京邮电大学）开放课题（2013．FFKT01）、周口师范学院学术技术带头人专项基金的资助，在此表示深深的谢意！
　　由于作者水平有限，加之成书时间仓促，书中难免存在不足之处，恳请业界专家、学者和读者批评指正。
　　作者
　　2015年3月

《无线网络资源优化的免疫算法理论及实现》内容涉及无线通信领域与智能计算领域，主要关注认知无线电网络、异构网络融合场景下的资源分配优化问题，提高频谱资源利用率、解决静态网络模式与动态需求之间的矛盾。《无线网络资源优化的免疫算法理论及实现》主要介绍无线通信网络资源联合优化分配的基本方法与关键技术，包括:建立不同无线资源的优化分配模型及相应的智能优化算法:构建联合无线资源优化的理论架构与技术体系;设计异构网络融合场景下的联合式基站选址优化模型、基站导频功率优化模型、联合会话接入控制多目标优化模型、垂直切换判决模型、基于免疫优化的认知无线电频谱分配、认知引擎决策、子载波资源分配和功率分配以及联合资源分配方案。

目录
前言
第1章 绪论 1
1.1 无线通信网络资源优化问题 1
1.2 无线网络资源优化的主要内容 1
1.2.1 基站选址和导频功率优化问题 1
1.2.2 异构网络的联合会话接纳选择控制和垂直切换判决问题 2
1.2.3 认知无线网络中的资源分配问题 5
1.3 无线网络资源优化问题建模 7
1.3.1 单目标优化问题 7
1.3.2 多目标优化问题 7
1.3.3 约束处理技术 9
1.3.4 无线网络资源优化问题的求解方法 9
1.4 人工免疫系统 10
1.4.1 生物免疫系统及其信息处理机能 10
1.4.2 人工免疫系统及其研究进展 12
1.4.3 人工免疫系统的主要模型和算法 13
1.4.4 克隆选择算法 14
1.4.5 免疫克隆形态空间理论 17
1.4.6 量子免疫计算 18
1.4.7 混沌免疫优化 19
1.5 本章小结 20
参考文献 20
第2章 基于免疫计算的基站选扯优化 24
2.1 引言 24
2.2 TD-SCDMA 网络的基站选址优化 24
2.2.1 TD-SCDMA网络的基站选址问题的数学模型 24
2.2.2 求解TD-SCDMA 网络基站选址的免疫克隆算法 26
2.2.3 算法收敛性分析 30
2.2.4 仿真实验及结果分析 31
2.3 WCDMA网络的基站选址优化 33
2.3.1 WCDMA网络基站选址问题描述 33
2.3.2 基丁免疫计算的WCDMA网络基站选址方法 35
2.3.3 仿真实验及结果分析 37
2.4 IEEE 802.1 6j网络基站及中继站选址优化 39
2.4.1 802.1 6j网络基站及中继站选址优化问题的数学模型 39
2.4.2 基于免疫计算的802.1 6j网络基站和中继站选址方法 41
2.4.3 仿真实验及结果分析 44
2.5 本章小结 47
参考文献 48
第3章 基于免疫计算的基站导频功率优化 50
3.1 引言 50
3.2 WCDMA网络基站导频功率优化 50
3.2.1 WCDMA网络基站导频功率优化问题的数学模型 50
3.2.2 求解WCDMA网络基站导频功率分配问题的免疫优化算法 52
3.2.3 算法收敛性分析 56
3.2.4 仿真实验及结果分析 57
3.3 家庭基站导频功率优化 59
3.3.1 家庭基站导频功率优化问题的数学模型 59
3.3.2 基于免疫计算的家庭基站导频功率优化 61
3.3.3 仿真实验及结果分析 64
3.4 本章小结 66
参考文献 66
第4章 异构无线网络中基于免疫计算的联合会话接纳控制 68
4.1 引言 68
4.2 集中式联合会话接纳控制问题的数学模型 68
4.2.1 问题描述 68
4.2.2 数学优化模型 70
4.3 求解联合会话接纳控制问题的免疫算法 71
4.3.1 编码方案 71
4.3.2 抗体克隆算子 71
4.3.3 基因变异算子 72
4.3.4 种群分类操作 72
4.3.5 种群更新操作 72
4.3.6 算法描述 72
4.3.7 算法复杂度分析 73
4.4 仿真实验及结果分析 74
4.4.1 实验环境 74
4.4.2 实验结果及分析 74
4.5 本章小结 76
参考文献 76
第5章 简谐振子免疫算法求解异构网络垂直切换判决问题 78
5.1 引言 78
5.2 垂直切换判决问题的数学模型 79
5.2.1 垂直切换判决问题描述 79
5.2.2 问题建模 81
5.3 简谐振子免疫优化算法 81
5.3.1 物理学中的简谐振子 81
5.3.2 简谐振子算法 82
5.3.3 混合型优化算法 84
5.4 基于简谐振了免疫优化算法的垂直切换判决方案 87
5.4.1 问题编码 87
5.4.2 垂直切换判决方案 87
5.5 仿真实验及结果分析 88
5.5.1 实验设置 88
5.5.2 实验结果 88
5.5.3 分析与讨论 90
5.6 本章小结 91
参考文献 91
第6章 基于免疫克隆优化的认知无线网络频谱分配 93
6.1 引言 93
6.2 认知无线网络的频谱感知和分配模型 93
6.2.1 物理屡频谱感知过程 93
6.2.2 物理连接模型及建模过程 94
6.2.3 认知无线网络频谱分配的图着色模型 95
6.2.4 认知无线网络的频谱分配矩阵 95
6.3 基于免疫克隆优化的频谱分配具体实现 97
6.3.1 算法具体实现 97
6.3.2 算法特点和优势分析 99
6.3.3 算法收敛性证明 100
6.4 仿真实验与结果分析 101
6.4.1 实验数据的生成 101
6.4.2 算法参数设置 102
6.4.3 实验结果及对比分析 102
6.4.4 基于WRAN的系统级仿真 104
6.5 本章小结 105
参考文献 105
第7章 基于混沌量子免疫优化的频谱按需分配算法 108
7.1 引言 108
7.2 考虑次用户需求的频谱按需分配模型 108
7.2.1 基于图着色理论的频谱分配建模 108
7.2.2 考虑认知用户需求的频谱分配模型 109
7.3 基于混沌量子免疫优化的频谱按需分配具体实现 111
7.3.1 算法具体实现过程 111
7.3.2 算法特点和优势分析 1 13
7.3.3 算法收敛性分析 114
7.4 仿真实验与结果分析 115
7.4.1 实验数据的生成 116
7.4.2 相关算法参数的设置 116
7.4.3 实验结果及对比分析 116
7.5 本章小结 120
参考文献 120
第8章 量子免疫算法求解基于认如引擎的频谱决策问题 122
8.1 引言 122
8.2 基于认知引擎的频谱决策分析与建模 122
8.3 算法关键技术与具体实现 123
8.3.1 关键技术 123
8.3.2 算法具体步骤 124
8.3.3 算法特点和优势分析 125
8.3.4 算法收敛性分析 126
8.4 仿真实验及结果分析 127
8.4.1 仿真实验环境及参数设置 127
8.4.2 仿真实验结果及分析 128
8.5 本章小结 131
参考文献 132
第9章 基于免疫多目标的频谱决策参数优化 134
9.1 引言 134
9.2 基于认知引擎的频谱决策问题建模 134
9.3 算法关键技术与具体实现 135
9.3.1 关键技术 135
9.3.2 求解本问题的多目标免疫优化算法 136
9.3.3 算法特点和优势分析 137
9.4 仿真实验及结果分析 138
9.4.1 实验环境及参数设置 138
9.4.2 实验步骤 139
9.4.3 实验结果 139
9.4.4 相关算法比较分析 141
9.5 本章小结 142
参考文献 142
第1 0章 基于免疫优化的认知OFDM系统资源分配 144
10.1 引言 144
10.2 基于免疫优化的了载波资源分配 144
10.2.1 认知OFDM子载波资源分配描述 144
10.2.2 认知OFDM子载波资源分配模型 145
10.2.3 算法实现的关键技术 146
10.2.4 基于免疫优化的算法实现过程 147
10.2.5 算法特点和优势分析 149
10.2.6 仿真实验结果 149
10.2.7 小结 151
10.3 基于免疫优化的功率资源分配 151
10.3.1 功率资源分配问题描述 151
10.3.2 功率资源分配问题的模型 151
10.3.3 算法实现的关键技术 152
10.3.4 基于免疫克隆优化的算法实现过程 153
10.3.5 算法特点分析 155
10.3.6 实验结果与分析 155
10.3.7 小结 157
10.4 联合子载波和功率的比例公平资源分配 157
10.4.1 问题描述 157
10.4.2 比例公平资源分配模型 1 58
10.4.3 基于免疫优化的资源分配实现过程 159
10.4.4 仿真实验结果与分析 164
10.4.5 小结 167
10.5 本章小结 167
参考文献 167

　　1．3．3约束处理技术
　　现实中的很多问题，包括本书研究的无线网络资源优化问题，经建模后都为约束优化问题，即问题的求解必须在满足可行性的前提下进行。如何对约束条件进行有效处理是求解约束优化问题的一个关键技术。智能约束处理技术包括罚函数法、基于排序的方法、基于多目标的方法、特殊算子、修补技术和混合策略等。
　　（1）罚函数法。罚函数法是最常用的约束处理技术，其本质是将问题转化为无约束问题，其原理简单、实现方便，对问题本身没有苛刻要求。罚函数法就是将目标函数和约束同时综合为一个罚函数。具体而言，罚函数法包括定常罚函数、动态罚函数、白适应罚函数等。罚函数法的缺点在于罚因子的选取非常困难。
　　（2）基于排序的方法。基于排序的约束处理技术不再进行无约束化处理，而是通过综合考虑目标函数值和约束违反的程度对不同候选解进行比较。排序策略有随机排序等。
　　（3）基于多目标的方法。基于多目标的约束处理技术就是把目标函数和约束函数当成并列的多个目标来处理。通过采用非支配解的概念来比较解，其中非支配解集中第一个目标函数值最小且其余目标值均等于0的解就是原约束优化问题的最优解。
　　（4）特殊算子。为了保证新个体的可行性，这类约束处理技术通过采用专门的解的表示方法和特殊的搜索算子使得搜索总在可行域内进行。该类算法对某些特定问题的优化效果很好，但明显缺乏通用性，对不同的问题需要设计不同的编码机制和搜索算子。此外，该类方法必须保证初始解的可行性。
　　（5）修正技术。对不可行解进行修正的方法是在进化过程中通过修正技术对产生的新个体进行修正，使其成为可行解，然后进行评价和进化。
　　（6）混合策略。由于约束问题的复杂性和多样性，采用单一的约束处理技术往往难以奏效。所以，可以根据问题本身设计具有自适应机制和混合机制的高效约束处理技术。
　　1．3．4无线网络资源优化问题的求解方法
　　一般来说，无线网络资源优化问题的可行解数目巨大，从中找到针对某项性能指标最优的解非常困难，不可能通过遍历所有可行解来寻找，因此，需要借助某种算法来获取问题的最优或次优解。求解算法可分为精确算法和启发式算法。精确算法采用传统的最优化技术，如数学规划方法来获得问题的最优解。启发式算法又称为近似算法，可在短时间内得到问题的最优解或次优解，但不能保证解的最优性。
　　1）数学优化方法
　　对于凸优化问题，有一套非常完备的求解算法。如果将某个资源优化问题确认或者转化为凸优化问题，那么能够快速给出最优解。但无线网络中的资源优化问题，往往为非凸优化问题，具有NP—hard特性。
　　……