陈秉试;

5G网络信道资源优化配置面临多目标冲突、动态业务场景的适应性差，以及突发流量下的鲁棒性不足等挑战。传统方法难以实现多目标协同优化，导致资源分配效率低下，时延波动显著，为此提出一种基于非支配排序遗传算法（non-dominated sorting genetic algorithmⅡ，NSGA-Ⅱ）的5G网络信道资源优化配置方法。通过构建包含网络吞吐量最大化、总能耗与迁移成本最小化以及用户传输速率最大化的多目标函数体系，同时综合考虑5G网络的总资源约束、服务质量（quality of service,QoS）需求约束、资源分配互斥性约束、传输总功率约束和单帧功率分配约束等关键限制条件，采用NSGA-Ⅱ进行优化求解。该算法通过快速非支配排序机制将种群个体按Pareto支配关系进行分层排序，并结合拥挤度距离计算确保解集在目标空间的均匀分布，实现了在复杂约束条件下对Pareto最优前沿的高效、均衡搜索，为5G网络资源优化配置提供了多样化的优质解决方案。实验结果表明，该方法在吞吐量、时延方面均显著优于传统方法，静态与动态业务平均时延分别降低至20 ms和18 ms，突发流量峰值时延控制在30 ms以内，验证了其在复杂5G网络环境下的优越性能和实用价值。

2026年02期 v.23;No.108 10-19页 [查看摘要][在线阅读][下载 1166K]