大规模通信优化模型创建和仿真

摘要：为了进一步提高大规模通信优化性能，现以“某医院5G网络部署”为背景，根据5G应用场景特点，针对大规模医疗机器类MTC终端通信问题，构建相应的MTC终端能耗模型，在此基础上，提出一套系统完善的遗传算法优化方法，该优化方法可以借助编码、交叉变异等相关知识，选择出最佳能耗路径。采用仿真分析的方式，全面地分析和验证5G网络场景中医疗机器类通信效果。结果表明：与传统能耗优化方法相比，通信能耗优化方法具有高的可靠性和可行性，可以在规定信噪比情况下，使得通信能耗降到最低。

关键词：5G技术；大规模；通信优化模型；创建；仿真

M2M通信技术在实际运用期间，通过为各个机器提供相应的通信服务，有效地淘汰了人工干预模式，通过借助蜂窝网络，课程实现对相关信息数据的高效化传输。在与此同时，当终端变得越来越多样化时，现有蜂窝用户数量将会呈现出“指数爆炸式”增长趋势，所涉及领域较广，主要包含医疗行业、化工行业、环保行业等，这表明，机器类通信技术的出现和应用为人们打开了更为广阔的市场，为人们的日常生活提供极大的便利。例如：在医疗行业中，M2M通信技术的应用主要体现在医疗相关数据的远程化控制以及无创手术的实施中。又如：我国天津大学成功研制和应用了NOTES平台，该平台具有强大的触觉功能以及智能化特征，便于医护人员采用远程操控的方式，开展腔道手术操作，为手术的开展提供极大的便利，这无疑促使大规模通信技术取得良好的发展，为人们提供良好的通信服务，而这得益于大规模通信优化模型的应用，因此，为了进一提高5G通信水平，在5G技术的应用背景下，如何科学地构建和仿真大规模通信优化模型是技术人员必须思考和解决的问题。

1通信能效问题描述

当MTC终端数量变得越来越多时，加强对大量MTC终端的规范化管理显得尤为重要，只有确保MTC终端管理的科学性，才能实现对网络通信效率和效果的全面提升，从而更好地满足多种场景网络延时需求，促使资源利用变得更加科学化、合理化。

1.1通信能耗问题

在网络场景中，一旦出现通信能耗问题，将会直接影响通信质量，目前网络场景所用到的MTC设备通常具有庞大、复杂的功能，MTC设备在实际运行中，通常需要与其他设备建立密切的合作关系，以实现对数据的安全化、可靠化传输。另外，数据在实际传输期间，通常会消耗一定的能量，影响能耗大小的因素主要包含以下2种，一种是传输数据的距离；另一种是传输数据的数据。在本次研究中，需要借助相关模型[1]，精确地计算出网络通信次数，能耗传输效果通常与通信距离和数据发送频率两者之间存在着密切的联系，其中，影响MTC发送频率的主要因素是中继选择的合理性，一旦中继选择不达标，那么MTC发送频率将会受到不良影响。由此可见，影响MTC终端总能耗的主要因素是中继选择。

1.2通信能效优化问题

影响MTC终端总体能耗的主要因素是中继选择，该总体能耗的控制情况，在某部程度上可以对无线通信资源管理产生直接性的影响，因此，技术人员要在综合考虑能耗与资源分配2种因素的基础上，完成对2种因素指标的科学化、规范化评价。另外，当加权等效增加到最大值，总体能耗降低到最小值，可以获得最佳总体效能，根据这一变化规律，可以制定出相应的方案，以实现对总体效能的最大化提升。为了实现对通信能效优化问题的深入分析和研究，需要在充分结合无线资源分配的基础上，科学调整和控制MTC终端传输顺序。此外，还要根据RB资源的使用情况，将相关信息数据安全、可靠地传输于MTC终端中，此时，MTC终端会自动向操作人员提供相应的终端编号[2]。所有MTC终端在具体的运行中，需要选用合适的通信路径，该通信路径属于一种常用的序列，可以将相关信息数据从汇聚节点所在位置直接传输到通信设备上。在本次研究中，为了实现对大规模通信优化模型的科学构建，技术人员需要根据所设置好的编号排列顺序，将向量与MTC终端进行充分结合，在确保通信路径选用合理的情况下，构建出符合实际使用需求的向量[3]，并将该向量命名为“通信路径向量”，编号顺序向量与通信路径向量之间存在一定的差异性，为了实现对2种向量的精确化区分，需要在科学调整和控制多跳通信和发送功率等参数的前提下，可以获得以下2种常用参数，一种是通信次数。

2通信能耗问题求解

影响通信总体能耗的两大核心因素主要包含以下2种，分别是MTC传输顺序、MTC发送功率。在实际应用中，不同终端所对应的发送功率通常表现出明显的差异，如果终端数量增加到一定程度，将会导致大数据维度不断增加，如果终端数目设置为“N”，那么其传输顺序所包含的种类达到N∧种，此时，如果采用常规算法[4]，无法对其进行精确化求解。为了解决这一问题，本文在对通信能耗问题进行求解期间，需要优先选用启发式算法。

2.1启发式算法的提出

MTC终端中继选择是否合理对MTC发送功率产生直接性的影响，而能耗优化问题在某种程度上可以直观、形象地呈现出回合的网络性能。假如MTC终端传输数据恰好处于所设置的通信范围以外，则需要借助汇聚节点所对应的MTC终端，将中继转发工作落实到位，从而最大限度地提高数据传输的高效性和科学性。在整个过程中，当通信回合达到一定数量后，位于汇聚节点附近的MTC终端通常会形成较大能量消耗[5]，但是，其他终端所对应的能量消耗相对较低，这就表现出了较大的能耗差异问题，所以，为了进一步提高中继选择的规范性和合理性，需要将MTC终端与汇集节点进行充分结合，从而确定出合适的欧式距离。总之，MTC终端所含有的剩余能量往往较多，这些剩余能量与汇聚节点之间的距离相对较小，需要将其设置为中继节点，使得能耗得以大幅度降低，只有这样，才能实现对资源的科学化、合理化分配。

2.2遗传算法求解

为了实现对通信能效优化问题的全面分析和求解，在本次研究中，要优先选用遗传算法，该遗传算法主要是由Holland学者所提出的。遗传算法主要是在全面参照生物学自然选择相关原理的基础上所提出的，并充分利用优胜劣汰进化相关规律[6]，求解出最终最优结果。遗传算法在实际应用中，通常需要借助初始化群体，然后，利用编码技术，对生物整个进化过程进行科学地模拟，并采用变异的方式，对整个群体进行不断进化，最后，获得最优个体，只有这样，才能获得通信能耗问题的最优解。遗传算法所获得的最优个体可以形象直观地表示为MTC终端编号顺序，通过对大量个体进行筛选，可以获得相应的种群，遗传算法求解步骤如图1所示。从图1中可以看出，遗传算法计算过程主要包含以下3个步骤：（1）初始化种群。通过采用随机排序的方式，对MTC终端编号进行科学处理，从而得到传输顺序向量；（2）适应度计算。针对当前所处的网络场景，将现有个体代入到总体能效值的计算公式中，从而精确地求解出最终总体能效值；（3）获得新个体。根据所计算的适应度，获得最终优质个体和交叉的成对个体，并从这些成对个体中，选出相应的子序列[7]，然后，对这些子序列进行交换处理，从而得到相应的新个体。接着，从变异后的个体中，对子序列进行重新获取，并采用随机排序的方式，对所获取的子序列进行处理，从而形成新子序列，并将其放回到个体中，最终形成大量的新个体，按照以上操作过程，变异过程圆满结束。

3仿真实验及结果

3.1参数设置

在本次仿真实验中，通过采用仿真的方式，对遗传算法的最终应用效果进行有效地验证和分析，并严格按照如表1所示的仿真参数，做好对相关参数的科学化、规范化设置。首先，要在保证初始能量相同的情况下，准备500个医疗化学MTC终端，然后，将这些终端全部固定于指定的圆形区域，圆形区域中的圆心是汇聚节点所在位置，MTC网络模型如图2所示。能量消耗情况与数据发送情况之间存在着直接性的关系[8]，当发送数据结束后，所获得的总通信回合数目可以形象、直观地反映出网络寿命的长短。

3.2仿真结果

在本次研究中，通过采用对比分析法，将本文提出的能效优化算法表示为HEEOS；将基础对比算法表示为Baseline，在整个选择中，在充分结合距离汇聚节点的基础上，严格遵循最小通信距离原则，将实验操作落实到位。在整个实验中，首先，要做好若干个信噪比阈值的设置，然后，精确地计算和统计2种算法的性能指标，从而得到如图3所示的网络性能与信噪比阈值的关系变化曲线。由图4可知，该曲线形象、直观地呈现了平均每回合最大跳数所对应的变化状态，Baseline算法、HEEOS算法2种算法所对应的通信跳数与信噪比阈值之间呈现出明显的正相关关系，即当信噪比阈值不断增加时，通信跳数呈现出不断增加的趋势。如果信噪比阈值达到最大值时，MTC终端通信范围会不断缩小，使得网络能耗大幅度降低，进而确保所有MTC终端均拥有相同的能耗，这在某种程度上可以实现对网络寿命的有效延长。

4结语

综上所述，在本次仿真研究中，与Baseline算法相比，本文所提出的启发式优化算法具有较高的应用优势，不仅可以最大限度地提高网络能效，还能延长网络寿命。此外，网络寿命长短主要是由信噪比阀值决定的，当信噪比阈值不断增加时，MTC终端所对应的能耗变得越来越接近，使得网络寿命得以大幅度提升，但是却引发了一些缺陷，如数据的可靠性难以得到有效保证。

作者：任晓云 单位：中国移动通信集团云南有限公司