参考An Overview of Signal Processing Techniques for
RIS/IRS-aided Wireless Systems中的Optimization Techniques for Discrete Phase Shifts部分
An Overview of Signal Processing Techniques for RIS/IRS-aided Wireless Systems关于Optimization Techniques for Discrete Phase Shifts.中Optimization Techniques for Discrete Phase Shifts的部分,文章总结归纳的可以说是十分全面了,
这是一个NP-hard问题
Rounding method
首先求出满足单位模约束的连续解。
四舍五入为最接近的离散值
Binary mode selection method
优化问题的目标函数可以被变换为函数
φ
m
,
cos
(
φ
m
)
and
sin
(
φ
m
)
\varphi_{m}, \cos \left(\varphi_{m}\right) \text { and } \sin \left(\varphi_{m}\right)
φm,cos(φm) and sin(φm)
对于每个反射单元
m
m
m,引入二值化向量
x
m
=
[
x
1
,
m
,
⋯
,
x
L
,
m
]
T
\mathbf{x}_m=\left[x_{1, m}, \cdots, x_{L, m}\right]^{T}
xm=[x1,m,⋯,xL,m]T使得满足
∑
l
=
1
L
x
l
,
m
=
1
,
x
l
,
m
∈
{
0
,
1
}
\sum_{l=1}^{L} x_{l, m}=1, x_{l, m} \in\{0,1\}
∑l=1Lxl,m=1,xl,m∈{0,1}
x
m
\mathbf{x}_m
xm是一个模式选择向量
在(84)的基础上,将原优化问题转化为二元变量优化问题,利用分支定界branch
and bound(BnB)方法可以得到全局最优解[135]。
然而,BnB方法具有指数计算复杂度。为了降低复杂度,[139]的作者提出应用SCA方法。具体地,对
x
L
,
m
x_{L, m}
xL,m的二元约束可以等价地变换为以下两个连续约束
(85)中的第一个约束是两个凸函数之间的差,可以使用SCA方法。
Negative square penalty (NSP)
启发式算法
粒子群算法等启发式算法