本发明属于车联网通信，尤其涉及一种基于wso算法的车联网通信资源分配优化方法。
背景技术：
1、随着无线通信技术和物联网的迅速发展，车联网已逐渐成为智能交通领域的关键部分。车联网通过将车辆与互联网连接，实现车辆之间以及车辆与基础设施之间的信息交互和数据共享，从而显著提升了道路交通的智能化水平。然而，车联网需要处理和传输大量数据，这些数据的处理和传输要求低延迟和高带宽的网络支持，以确保实时性和可靠性。传统的中心云服务器架构因数据传输距离远、延迟高，难以满足车联网对实时性和可靠性的要求。为此，移动边缘计算(mobile edge computing,mec)技术逐渐被采纳，mec通过在靠近车辆的边缘节点部署计算资源和网络服务，将需要处理的任务卸载到边缘节点，从而减少延迟、增强网络带宽并提升用户体验。然而，随着车联网中车辆数量的增加，mec设备的资源有限，难以满足所有车辆的需求，导致需要进行高效的资源分配和管理。
2、在车联网的通信场景中，车辆需要同时进行大量的数据传输和处理任务，这使得通信资源的高效分配显得尤为重要。目前，车联网通常采用pc5(近距离通信)模式和5g-uu(通用用户网络接口)模式两种通信模式。pc5模式允许短距离设备之间进行直接通信，具有低时延和高效能的优势，而5g-uu模式则通过基站提供更广泛的覆盖和更高的带宽支持。
3、尽管上述通信模式各有优劣，但在实际应用中，由于通信资源的有限性，如何在多车辆、多任务的复杂场景中进行有效的通信资源分配仍然面临巨大挑战。因此，需要一种基于优化算法的通信资源分配方法来提升车联网系统的整体性能，确保车辆任务数据的高效传输。为此，本发明提出了一种基于战争策略优化(war strategy optimization,wso)算法的车联网通信资源分配优化方法。
技术实现思路
1、本发明的目的在于提供一种基于wso算法的车联网通信资源分配优化方法，旨在解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种基于wso算法的车联网通信资源分配优化方法，包括以下步骤：
4、步骤1、采用pc5-uu双通信模式建立v2x-mec模型，包括场景模型和通信模型；
5、步骤2、基于步骤1对车辆任务传输时占用的通信资源进行优化，并初始化场景参数和算法运行相关参数，包括循环迭代次数max_iter、军队规模pop_size、策略判定值ρr、权重因子α、解空间的上下边界ub和lb、所有士兵的等级和权重，并随机均匀分布初始士兵个体；
6、步骤3、根据适应度函数计算所有士兵个体的适应度值，并选出适应度最佳的个体和适应度次佳的个体；
7、步骤4、根据设定的策略判定值选择士兵个体执行进攻策略或防守策略，令ρ值取0到1之间的随机值，若ρ＜ρr则执行防守策略，反之则执行进攻策略，更新士兵位置和适应度值；
8、步骤5、如果新位置的适应度大于前一个位置的适应度，则士兵采取新位置，同时升级士兵的等级和权重；
9、步骤6、重新安置适应较差的士兵；
10、步骤7、判断迭代次数是否达到最大迭代次数，若否，返回步骤3；若迭代完成，则结束得到最优的资源分配策略。
11、进一步的，所述步骤1中，场景模型是一条双向道路，路边有m个按一定距离分布的rsu即路边单元s＝{s1,s2,…,sm}，每一个rsu均与一个路边mec服务器单独以有线方式连接且相邻rsu以有线方式连接，单个路边mec服务器的总计算资源为fr；道路上n辆搭载obu和车载以太网的智能车辆的集合设为v＝{v1,v2,…,vn}，车辆和其所在通信范围的rsu以pc5模式通信并将任务卸载至与rsu匹配的路边mec服务器进行计算，场景中所有车辆每个时隙同时产生一个需要处理的任务，车辆n产生的任务设为其中dn为任务数据大小，cn为任务单位任务数据所需计算资源量，为完成任务可接受的最大时延，bn为任务上传时所占的信道资源块/子信道数量；场景内有1个5g基站，5g基站与周围的rsu以有线连接的方式通信，5g基站通过uu模式与通信范围内的车辆进行通信，5g基站与5gmec服务器通过有线方式连接，5gmec服务器的计算资源fb，5gmec服务器与远端云服务器以远距离有线的方式通信；
12、通信模型：当车辆以pc5模式与rsu进行通信时，单个rsu总带宽为wr，总带宽在频域上分为多个资源块，一个资源块带宽为wrb，将传输的数据大小近似为任务数据大小；当车辆以uu模式与5g基站通信时，总带宽为wb，信道在频域上被划分为多个子信道，子信道带宽为wbb；
13、连接决策变量为an＝{0,1}，表示车辆选择与rsu或5g基站进行通信，an＝0表示车辆n选择与rsu通信，an＝1表示车辆n选择与5g基站通信；计算决策变量bn＝{bn1,bn2,…,bnm,bnb,bnc}，表示车辆选择将任务卸载至m个路边mec服务器中的某一个、5g mec服务器或云服务器进行计算，式中每一项取值0或1且满足其中bni为车辆n的任务只存在卸载或不卸载到某个路边mec服务器计算两种状态，bnb为车辆n的任务只存在卸载或不卸载到5g mec服务器计算两种状态，bnc为车辆n的任务只存在卸载或不卸载到云服务器计算两种状态；
14、当车辆选择与rsu通信时的传输时延公式为：
15、式1：
16、其中rr为车辆与rsu之间的传输速率；
17、当车辆选择与5g基站通信时的传输时延公式为：
18、式2：
19、其中rb为车辆与5g基站之间的传输速率；
20、当选择与某个rsu通信的任务所需的资源块数量之和超过rsu提供的总资源块数量时，分批次传输任务，kn为任务n被分配的批次序，tin为相邻批次间的时间间隔，则传输阶段的总时延公式为：
21、式3：
22、进一步的，所述步骤2中，对车辆任务传输时占用的通信资源进行优化的具体过程如下：
23、用向量β表示选择rsu进行通信的车辆的任务对应的占用资源块数，nm表示选择与rsu进行通信的车辆总数，nb表示选择与5g基站进行通信的车辆总数，优化问题表示为：
24、式4：
25、其中，λn为车辆n的权重，tn为车辆n的任务总时延，bi为选择与rsu进行通信的车辆任务传输占用资源块个数，表示整数；约束项c1表示每一个rsu的通信资源限制；约束项c2表示5g基站的通信资源限制；约束项c3表示选择与rsu进行通信的车辆任务传输占用资源块个数的取值范围，且取整数；约束项c4表示所有车辆只能选择与某一个rsu或5g基站进行通信；
26、式4是一个离散问题，将离散问题连续化，即：
27、式5：
28、其中，x为连续变量参数；
29、将式5带入优化问题得到：
30、式6：
31、式6为非凸非线性问题，采用wso算法作为求解方法，在每次迭代中，根据wso算法更新士兵的位置和权重；检查约束条件，确保所有解都满足c1、c2、c3和c4；计算目标函数值，并根据结果调整士兵的等级和权重。
32、进一步的，所述步骤3中的适应度函数以降低车辆任务的加权时延为目标，计算每个士兵的适应度值，并选出适应度最佳的个体为国王，适应度次佳的个体为指挥官；适应度函数的计算公式为：
33、式7：
34、进一步的，所述步骤4中，士兵个体执行进攻策略的位置更新公式为：
35、式8：xi(t+1)＝xi(t)+2×ρ×(c-k)+rand×(wi×k-xi(t))；
36、其中，xi(t+1)为士兵的新位置，xi(t)为士兵当前位置，c为指挥官的位置，k为国王的位置，wi为权重，rand为0到1的随机值；
37、士兵执行防守策略的位置更新公式为：
38、式9：xi(t+1)＝xi(t)+2×ρ×(k-xrand(t))+rand×wi×(c-xi(t))；
39、其中，xrand(t)代表随机更新方向；执行防守策略的士兵，其等级和权重保持不变。进一步的，所述步骤5中，士兵更新位置、等级、权重的公式分别为：
40、式10：
41、式11：
42、式12：
43、其中，fn为士兵新位置的适应度，fp为士兵前一个位置的适应度，ri为士兵当前等级，ri+1为士兵的新等级。
44、进一步的，所述步骤6中，安置适用度差的士兵的公式为：
45、式13：xw(t+1)＝-rand×(xw(t)-c)+k；
46、其中，xw(t+1)为适应度差的士兵的新位置，xw(t)为适应度差的士兵的当前位置；
47、每一次迭代找出适应性最差的士兵，按照式13将适用度差的士兵安置在新位置，达到最大迭代次数后，输出最佳位置，即问题所需的解。
48、与现有技术相比，本发明的有益效果是：
49、本发明提出了一种基于wso算法的车联网通信资源分配优化方法，该方法通过pc5和5g-uu双通信模式，并结合wso算法的优势，能够在多车辆多rsu的复杂场景中优化信道资源分配。通过改进wso算法中的位置更新机制和适应度值的计算方法，有效提高了系统的资源利用效率，显著降低了车辆任务数据的传输时延。此外，该方法具有较强的适应性和易实现性，能够在不同的通信资源条件和任务数据规模下均表现出良好的优化效果，提升了整个车联网系统的通信性能。
1.一种基于wso算法的车联网通信资源分配优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于wso算法的车联网通信资源分配优化方法，其特征在于，所述步骤1中，场景模型是一条双向道路，路边有m个按一定距离分布的rsu即路边单元s＝{s1,s2,…,sm}，每一个rsu均与一个路边mec服务器单独以有线方式连接且相邻rsu以有线方式连接，单个路边mec服务器的总计算资源为fr；道路上n辆搭载obu和车载以太网的智能车辆的集合设为v＝{v1,v2,…,vn}，车辆和其所在通信范围的rsu以pc5模式通信并将任务卸载至与rsu匹配的路边mec服务器进行计算，场景中所有车辆每个时隙同时产生一个需要处理的任务，车辆n产生的任务设为其中dn为任务数据大小，cn为任务单位任务数据所需计算资源量，为完成任务可接受的最大时延，bn为任务上传时所占的信道资源块/子信道数量；场景内有1个5g基站，5g基站与周围的rsu以有线连接的方式通信，5g基站通过uu模式与通信范围内的车辆进行通信，5g基站与5gmec服务器通过有线方式连接，5gmec服务器的计算资源fb，5g mec服务器与远端云服务器以远距离有线的方式通信；
3.根据权利要求1所述的基于wso算法的车联网通信资源分配优化方法，其特征在于，所述步骤2中，对车辆任务传输时占用的通信资源进行优化的具体过程如下：
4.根据权利要求1所述的基于wso算法的车联网通信资源分配优化方法，其特征在于，所述步骤3中的适应度函数以降低车辆任务的加权时延为目标，计算每个士兵的适应度值，并选出适应度最佳的个体为国王，适应度次佳的个体为指挥官；适应度函数的计算公式为：
5.根据权利要求1所述的基于wso算法的车联网通信资源分配优化方法，其特征在于，所述步骤4中，士兵个体执行进攻策略的位置更新公式为：
6.根据权利要求1所述的基于wso算法的车联网通信资源分配优化方法，其特征在于，所述步骤5中，士兵更新位置、等级、权重的公式分别为：
7.根据权利要求1所述的基于wso算法的车联网通信资源分配优化方法，其特征在于，所述步骤6中，安置适用度差的士兵的公式为：
