文献综述（或调研报告）：
近年来，4G无线网络已经非常成熟，探索并发展5G无论在学术上还是工业上都引起了大家的广泛关注。5G的目标众多，包括极高的载波频率，巨大的带宽，极端的基站和设备密度以及前所未有的天线数量。与前四代不同，5G还具有高度集成性：将任何新的5G空中接口和频谱与LTE和WiFi捆绑在一起，以提供通用的高速率覆盖范围和无缝的用户体验。为此，核心网络还必须达到前所未有的灵活性和智能水平，而能源效率和成本效率将成为更加关键的考虑因素[8]。
目前已经利用以连接为中心的思维方式设计并部署了使用蜂窝系统和最新LTE-A系统的架构。这种架构将固定的资源分配给小区，不考虑小区的流量状况，静态覆盖范围和容量。另外这种架构也无法灵活有效地处理不同接入网络上的数据分流，无法提供可重配置设备以适应用户不断变化的流量和需求[14]，这就导致了资源的浪费。如何利用有限的资源实现5G的目标已经变得非常重要。近来针对资源管理的优化已经被广泛研究。
当前的蜂窝系统将需要服务的地区按照一定的尺寸划分为小区，相同小区内的用户由同一个基站提供服务。但这种方法对小区边缘用户并不友好。通常小区边缘用户在忍受较低容量的同时还需要更多的传输功率来实现其目标数据速率，这就导致了更高的功耗[12]。针对这个问题，多小区网络中的基站协调技术将消息联合发送给小区边缘用户以求改善其功耗。目前使用的小区间干扰协调方案主要采用的方式是将来自相邻小区的不同资源块分配给小区的边缘用户设备。协调用户的选择一般基于单个指标：基站和用户之间的距离或者信道增益。然而，如果用户遭受严重的褪色和阴影，那么使用这种方法效率不高。在此基础上，[12]中研究了具有协调基站的下行链路多小区NOMA网络，根据服务质量(QoS)要求，提出了一种基于模糊逻辑的资源分配算法。使用模糊逻辑考虑距离，信道增益和参考信号接收功率，进行多准则的用户协调模式选择，并在此基础上将子载波分配给用户。仿真结果显示，这种基于模糊逻辑的子载波分配算法成功提高了系统的能量效率并减少了功耗。然而，如果在相邻小区中没有小区边缘用户设备，那么使用协调技术也很难很好地改进资源的利用效率，基站也无法有效地利用相邻小区的资源[14]。
超密集网络（UDN）是一种支持5G的技术，用于增强网络容量和空间复用[14]。通过在固定区域内部署更多的小型小区，可以显著减少用户与基站之间的平均距离，进而网络频谱效率大幅度提高，系统容量得到扩展[8]。但是，由于小型小区的这种不协调和大规模部署，即使它们没有关联的用户，由于它们的能源成本，也可能导致能耗的显着增加。根据中国移动的数据，基站消耗了蜂窝网络总功耗的72％，随着小型小区的额外部署，基站功耗将进一步增加。[2]中提出了一种基于模糊逻辑的博弈论框架来解决这些问题，并研究能效改进情况。结果表明，针对具有较高速度的用户，可以显著改善能耗。
除此之外，对于无线工程师和研究人员而言，多输入多输出（MIMO）技术由于其空间分集和复用增益而被广泛接受，有望极大地提高无线系统的频谱和能效[5]。针对MIMO系统资源优化的研究也正在被广泛关注。在大规模多输入多输出系统中，需要同时折中考虑几个彼此矛盾的目标以实现最佳性能和操作。[10]中研究了基于多目标优化理论的MIMO干扰网络线性收发器优化的三个关键问题，即信号传输，能量和安全性。多个目标之间的折衷取决于所利用的加权参数，而如何选择加权参数是一个特别具有挑战性的问题。[5]考虑三个矛盾的指标：平均用户率，平均面积率和能源效率，提出了一个完整的优化框架，该框架利用两种多目标进化算法（MOEA）——非控制排序遗传算法-II和速度受限的多目标粒子群优化算法分别进行多目标与优化，利用模糊系统进行折中决策以获得最佳的解决方法。结果显示使用两种算法都能获得最佳方案的多目标函数值，但使用非控制排序遗传算法-II的方案更好。
模糊系统被大量用于优化5G中的资源管理问题，并且得到了一些值得参考的研究成果。为了根据每个用户的数据速率需求和频率资源的可用性来提高总带宽利用率和总数据速率，[3]中提出一种使用模糊逻辑实现弹性小区关联和带宽分配的方法。考虑了用户需求和可用资源信息，以决定特定用户是否与特定基站相关联，以及应分配多少带宽。结果表明使用模糊逻辑的方法在总数据率，带宽利用率和阻塞方面取得了更好的性能。[2]中考虑到在某些小型小区中，基站可能很少有关联用户，因此需要将它们智能地切换到低能耗模式，或者在不严重降低系统容量的情况下将其关闭，以提高节能效果。另外，也要避免由于SBS中的这种动态功率电平切换而引起的不必要的切换。采用了基于模糊逻辑的博弈论框架来解决这些问题，仿真结果显示具有较好的性能。
由于模糊系统主要基于自然语言，模仿人类的决策过程，因此具有较高的灵活度。进化算法受到生物进化的启发，常用来解决最优化问题。于是将模糊系统和遗传算法进行结合来解决最优化问题成为一种值得探索的途径。针对5G驱动的车载随意移动网络（VANET），[14]为SDN控制器提出了一种混合模糊逻辑指导的遗传算法（H-FLGA）方法以实现最佳资源分配。这种方法解决了结合不同目标的多目标优化问题并使用模糊逻辑用于优化多目标权重。接着遗传算法将这些优化的权重用于优化BBUC和FC-ZC之间的连接。结果表明结合基于模糊逻辑的遗传算法相较于单独应用遗传算法具有更好的性能。
5G理论已经日趋成熟，如何更高效地利用有限的资源已经逐渐成为研究的重要方向之一。VANET中结合模糊逻辑和遗传算法的探索为我们提供了新的道路。
参考文献：
以上是文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
