تخصيص منابع در شبكه هاي WiMAX مبتني بر OFDMA براي سيستم هاي IPTV با استفاده از الگوريتم ژنتيك

Resource Allocation in OFDMA-based WiMAX Networks for IPTV Systems Using Genetic Algorithm

چكيده: تخصيص پهناي باند در استاندارد IEEE 802.16، به­صورت اختصاص بلوك­هاي دوبعدي در محدوده زمان و فركانس (كه burstناميده مي­شوند) به كاربران، تعريف مي­گردد. تخصيص منابع براي كارايي سيستم حياتي است اما جزئيات آن در استانداردهاي IEEE802.16 تعريف نشده و بر عهده پياده‌سازي كننده گذاشته شده است. الگوريتم­هاي زيادي براي اين منظور در شبكه­هاي مبتني بر OFDMAارائه شده­اند. در اين مقاله، يك الگوريتم ژنتيك براي ساخت burstدر شبكه WiMAXپيشنهاد شده است كه ساختار مستطيلي burst­هاي پايين­سو در استانـدارد IEEE 802.16را رعـايت مي­كنـد. در الگوريتم ژنتيك پيشنهادي، درخواست­هاي كاربران با مساحت مشخص به كروموزوم­ها نگاشت داده مي­شوند. پس از طي مراحل تكامل، تخصيص burst­هايي با مكان و شكل بهينه براي اين درخواست­ها به دست مي­آيد. هدف الگوريتم ژنتيك پيشنهادي، اين است كه بيشترين تعداد burstرا در يك فريم جاي دهد به‌نحوي‌كه فضاي هدررفته را كمينه كند. نتايج شبيه­سازي نشان مي­دهد كه الگوريتم پيشنهادي مي­تواند يك تخصيص نزديك به بهينه را به­وسيله جستجوي تكراري به دست آورد.

The bandwidth allocation in IEEE 802.16 is defined as assigning two-dimensional blocks in time and frequency domain (which are called Bursts) to users. Resource allocation is vital for system efficiency; however, the detail is not defined in the standard and left open to the implementer. Many algorithms have been proposed for this purpose in OFDMA-based networks. In this paper, a genetic algorithm for burst construction in WiMAX networks is proposed which adheres to rectangular structure of downlink frames in IEEE 802.16 standard. In the proposed genetic algorithm, user requests with specific area are mapped to chromosomes. After passing the evolution stages, an optimized burst allocation is obtained for the requests in terms of shape and position. The goal of the proposed genetic algorithm is to locate maximum number of bursts in the frame such that, wasted space is minimized. Simulation results confirm that, our proposed algorithm can produce a near-to-optimal solution by means of an Iterative search.