在多路复用6G无线网络中，利用受量子启发的进化算法进行多目标节点布局优化

《Scientific Reports》：Multi-objective node placement optimization in multiplex 6G wireless networks using quantum-inspired evolutionary algorithms

　　

摘要

未来第六代（6G）无线网络的规划需要高效的节点部署算法，这些算法能够应对异构网络部署、高连接密度以及相互竞争的性能要求。当前的节点部署算法大多使用单层图模型和传统的优化方法，这些方法无法充分模拟未来6G网络之间的相互依赖关系。在本文中，我们提出了一种基于量子启发式进化学习的多目标优化框架，用于多路复用6G无线网络中的节点部署。该网络被表示为一个多路复用图，以捕捉容量、延迟和干扰层之间的相互作用。解决方案采用量子启发式表示法进行概率化表示，从而促进全局探索并防止在高维搜索空间中过早收敛。我们设计了一个综合适应度表达式，以同时优化网络容量贡献、激励机制下的节点参与度以及多层节点的中心性。广泛的仿真验证表明，所提出的框架实现了3.0355的平衡适应度得分和75.6%的节点合作率。与现有方法相比，QIEA框架在整体部署适应度上比随机选择提高了61%，比基于节点度数的贪婪算法提高了12%。此外，其收敛速度比标准遗传算法（GA）快23%，显示出在大规模6G网络优化方面的卓越效率和可扩展性。