ности феромонных следов при выборе маршрута; β > 0 – коэффициент важности видимости при выборе маршрута; q – случайное число, равномерно распределенное в интервале [0, 1] ; q0 (0, 1) – коэффициент, задающий соотношение меж-
ду эксплуатацией наилучшего решения и исследованием новых областей; S – случайная переменная, выбранная по следующему вероятностному распределению:
|
|
(τs (t) +τrs (t))α ×(η(r, s))β |
|
, если cu ,ru Î J k (r) |
|||
|
|
|
|
|
|
|
|
|
|
∑(τs (t) + |
α |
|
β |
||
pk |
(r, s) = |
τrs (t)) |
×(η(r, s)) |
, (4.5) |
|||
|
cu ,ru J k (r ) |
|
|
|
|
||
|
0, |
|
|
|
|
иначе |
|
|
|
|
|
|
|
|
|
где Jk (r) – множество клиентов, а соответственно и ребер, ко-
торые еще не посетил k-й муравей к текущему шагу, расположенный в r-м вакантном месте.
При каждом передвижении муравья от вакантного места к клиенту и обратно, выполняется процедура модификации феромона на основе правила локального обновления феромонных следов. В алгоритме присутствуют 3 правила локального обновления феромонов. Первое правило обновляет феромоны на клиентах, когда туда приходят муравьи, второе правило модифицирует феромонный уровень места кандидата при возвращении муравья от клиента, а третье правило изменяет феромоны на ребрах, по которым прошли муравьи во время движения от вакантного места к клиенту и обратно. Для всех трех случаев правило локального обновления представлено в следующем общем виде:
τ(t +1) = (1- ρ) ×τ(t) + ρ × Dτ , |
(4.6) |
где ρ Î(0, 1) – коэффициент локального испарения феромон-
ного следа; Dτ = 1/ r – приращение феромонного уровня соответственно вакантного места, клиента или ребра на текущем шаге итерации.
Когда все муравьи посетят всех клиентов, применяется следующее правило глобального обновления феромонов:
161
где γ (0, 1) |
τ (t +1) = (1- γ ) ×τ m (t) + γ × Dτ , |
(4.7) |
– коэффициент глобального испарения феромон- |
||
ного следа; |
Dτ = τ 0 – приращение феромонного уровня m-го |
|
вакантного места. Правило (4.7) применяется только к вакантному месту с максимальным количеством феромонов. После этого начинается следующая итерация алгоритма.
В конце работы алгоритма среди всех имеющихся мест кандидатов выбирается одно с наибольшим количеством феромонов. На это место устанавливается базовая станция и к ней подключаются клиенты на основе табу-списка муравья, размещенного в этом месте. Если остались неподключенные клиенты, то берется вакантное место со вторым уровнем феромонов и по табу-списку соответствующего муравья подключаются клиенты. Этот процесс происходит до подключения всех клиентов.
Данный алгоритм применялся для размещения базовых станций на территории размером 100 × 100 км с радиусом зоны обслуживания базовой станции равным 20 км; стоимости подключения были приняты такими: W1 = 10000 руб., W2 =
20000 руб. Результаты применения данного алгоритма приведены в табл. 4.24.
Таблица 4.24 Результаты оптимизации размещения базовых станций
Размерность задачи |
Время решения, с |
Целевая функция |
М = 40, К = 40 |
0,02 |
1048350 |
М = 40, К = 60 |
1,02 |
1117350 |
М = 40, К = 100 |
2,64 |
2238150 |
М = 200, К = 200 |
36,34 |
6267700 |
162
ЗАКЛЮЧЕНИЕ
В данном учебном пособии рассмотрены вопросы решения задач автоматизации проектирования беспроводных систем и сетей связи. Приведены теоретические основы функционирования указанных систем. Рассмотрены основные этапы проектирования данных систем с позиций системного подхода.
Рассмотрены ключевые методы теории принятия решений для задач построения беспроводных систем связи. Особое внимание уделено методам анализа и синтеза проектируемых систем, приведены методы комбинаторно-мофрологического анализа и синтеза систем. Изложена оригинальная методика формирования и выбора рационального варианта построения рассматриваемых систем. Приведены примеры их оптимального проектирования.
163
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1.Левин М.Ш. О комбинаторных моделях поколений беспроводных систем связи / М.Ш. Левин // Информационные процессы, Т. 17, № 3, 2017. – С. 172–187.
2.Вишневский В.М. Широкополосные беспроводные сети передачи информации / В.М. Вишневский, А.И. Ляхов, С.Л. Портной [и др.]. – М.: Техносфера, 2005. –592 с.
3.Галкин В. А. Цифровая мобильная радиосвязь / В. А. Галкин. – М.: Горячая линия – Телеком, 2007. – 432 с.
4.Скляр Б. Цифровая связь. Теоретические основы и практическое применение. Изд. 2-е, испр. / Б. Скляр. – М.: Издательский дом «Вильямс», 2003. – 1104 с.
5.Феер К. Беспроводная цифровая связь. Методы модуляции и расширения спектра: пер. с англ. / К. Феер – М.: Радио
исвязь. 2000. – 520 с.
6.Зацаринный А.А. Некоторые вопросы проектирования информационно-телекоммуникационных сетей / А.А. Зацаринный, Ю.С. Ионенков // Системы и средства информатики.
2008. – С. 5-20.
7.ГОСТ 34.601–90. Информационная технология. Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Стадии создания.
8.Саати Т. Принятие решений. Метод анализа иерархий:
пер. с англ. / Т. Саати. – М.: Радио и связь. 1993. – 316 с.
9. Андрейчиков А.В. Системный анализ и синтез стратегических решений в инноватике: Математические, эвристические и интеллектуальные методы системного анализа и синтеза инноваций: Учебное пособие. Изд. 3-е. – М.: ЛЕНАНД,
2015. – 306 с.
10.Саати Т. Принятие решений при зависимостях и обратных связях: Аналитические сети. Пер. с англ. / Т. Саати. –
М.: ЛЕНАНД/URSS, 2015. – 357 с.
11.Борисов А.Н. Принятие решений на основе нечетких моделей / А.Н. Борисов, О.А. Крумберг, И.П. Федоров. – Рига:
Занатне, 1990. – 83 с.
164
12.Кащенко А.Г. Автоматизация синтеза инфотелекоммуникационных систем на основе иерархического подхода / А.Г. Кащенко, Г.А. Кащенко, Р.В. Семенов [и др.]. // Теория и техника радиосвязи: Науч.-тех. журнал. – Воронеж, 2011. Вып.
4.– C. 31-42.
13.Багдасарян А.С. Построение интеллектуальных систем управления транспортной безопасностью на основе использования беспроводных сетей широкополосного доступа и технологий радиочастотной идентификации / А.С. Багдасарян, С.А. Багдасарян, А.Г. Кащенко [и др.] // Кибернетика и высокие технологии XXI века: XII межд. НТК. Воронеж: ВГУ. Т. 1.
2013. – С. 154 – 165.
14.Багдасарян А. Системы радиочастотной идентификацию Методология формирования и выбора вариантов/ А. Багдасарян, С. Багдасарян, А. Кащенко [и др.]// Электроника:
Наука, технология, бизнес, №1 (132), 2014. – С. 184-188.
15.Багдасарян А.С. Системный подход к построению системы автоматической радиочастотной идентификации и управления транспортировкой грузов на железнодорожном транспорте / А.С. Багдасарян, С.А. Багдасарян, А.Г. Кащенко
[и др.]// Радиотехника, №12, 2013. – С. 18-25.
16.Бутенко В.В. Выбор варианта системы радиочастотной идентификации на основе модифицированного метода анализа иерархий / В.В. Бутенко, С.А. Багдасарян, А.Г. Кащенко [и др.]// Труды НИИР, №4, 2012. – С. 4-9.
17.Бутенко В.В. Проектирование систем радиочастотной идентификации на основе теории нечетких множеств / В.В. Бутенко, С.А. Багдасарян, А.Г. Кащенко [и др.] // Труды НИ-
ИР, №4, 2012. – С. 10-15.
19. Царев Р. Ю. Модификация метода упорядоченного предпочтения через сходство с идеальным решением для задач многоцелевого принятия решений / Р.Ю. Царев // Информационные технологии, № 7, 2007. – С. 19-23.
20. Кащенко А.Г. Методика решения нечетких многокритериальных задач выбора вариантов информационнотелекомунникационных систем / А.Г. Кащенко, Р.В. Семенов //
165