1.一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，包括以下步骤：S1、根据基站的工作状态建立系统能耗模型；

S2、建立基站干扰图，并用分簇算法对基站进行分簇来满足用户需求；

S3、根据基站分簇对每个簇内基站建立半马尔科夫决策过程SMDP模型，包括建立系统状态空间以及系统动作空间；

S4、根据簇内系统状态空间中的当前系统状态和调整系统动作空间中的动作，得到当前系统状态根据空间中的动作转移之后的系统状态，并计算半马尔科夫决策过程SMDP模型的系统转移概率；

S5、根据所述半马尔科夫决策过程SMDP模型的系统转移概率，根据系统能耗模型计算转移之后的系统状态的系统能效，并将该能效作为系统的收益函数；

S6、当系统的收益函数的值最大时，确定粒子群搜索的最优位置，所述位置即为最优休眠策略。

2.根据权利要求1所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，根据基站的工作状态，建立系统能耗模型包括将第i个簇第j个基站的功耗Pi,j分为处于工作状态的的功耗PA和处于休眠状态的功耗PS,处于工作状态的的功耗PA包括传输功耗和常功耗Pconst；则系统能耗模型表示为：其中， 表示第i个簇内第j个基站的功率放大器的最大传输功率，φi,j表示第i个簇内第j个基站功放的无线频率转换因子，vi,j为第i个簇内第j个基站的业务量。

3.根据权利要求1所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，用分簇算法对基站进行分簇来满足用户需求包括：S21、令簇的初始值l＝1，Z为孤立点的集合，SG(vj)表示顶点vj的饱和度，所有的顶点vi都属于顶点集合V；将顶点集合V饱和度为零的点放入Z中，并从V中删除；

S22、如果 将所有的小基站移入Cl中，并终止分簇；

S23、如果 将所有V中的vi按度从大到小的顺序排列，令i＝1；

S24、按照S23中的顺序，将第i个顶点放入第l个簇中，令i＝i+1；

S25、若第i个顶点与第1～i-1个顶点中任意一个顶点连接，将第i个顶点分配到与其相连的顶点的簇中；

S26、若第i个顶点与第1～i-1个顶点中任意一个顶点都未相连，则令l＝l+1，并将第i个顶点分配到第l个簇中；

S27、判断i是否大于等于I，若是则结束分簇，否则令i＝i+1，并返回步骤步骤S25；

其中，I为 时顶点集合V中的顶点vi的数量； 表示空集。

4.根据权利要求1所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，建立半马尔科夫决策过程SMDP模型包括：S31、定义SMDP的系统状态空间S，包括用户位置状态空间、FBSs的状态空间和整个系统在决策时刻tn的状态；

S32、定义SMDP的系统动作空间 即系统状态发生转移之后系统状态保持到tn+1的起始时刻，定义行动a(tn)为在第tn时隙的起始时刻对FBSs的状态进行控制决策；

S33、获取SMDP的系统转移概率P，即用户的到达过程和离开过程决定系统的状态动态，包括用户的到达离开、逗留时间、休眠决策；

S34、将当前状态s采取动作a直到转移到另一状态s'这段时间内所能节省的系统能耗作为本发明的系统的收益函数，即半马尔科夫决策过程SMDP模型。

5.根据权利要求4所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，系统状态空间包括用户业务量状态和小基站状态，表示为：s(tn)＝[su(tn),sf(tn)]

su(tn)＝[v1,1(tn),…vi,j(tn),...vc,k(tn)]sf(tn)＝[f1,1(tn),…,fi,j(tn),…,fc,k(tn)]其中，s(tn)表示整个系统在决策时刻tn的状态；su(tn)表示用户业务量状态；sf(tn)表示小基站状态；vi,j(tn)表示tn时刻小区中第i个簇中第j个基站用户业务量；fij(tn)∈{-1,

1}在tn时刻第i簇中基站j的状态，fij(tn)＝-1表示tn时刻在第i簇中FBSj处于休眠状态，fij(tn)＝1表示tn时刻在第i簇中FBSj处于工作状态。

6.根据权利要求4所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，系统动作空间表示为：其中，ack(tn)表示第i个簇中第j个基站在tn时刻的状态，当ai,j(tn)＝0表示使第i个簇中第j个基站在tn时刻进入休眠状态；当ai,j(tn)＝1表示使第i个簇中第j个基站在tn时刻进入工作状态。

7.根据权利要求4所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，系统转移概率表示为：其中，Pi,j(s′|s,a)表示第i个簇中第j个基站由状态s通过动作a转到s′的概率；G(S)表示当S为真时，G(S)的值为1；当S为假时，G(S)的值为0；当FBSs处于状态sf，并对FBSs采取决策a，FBSs的状态转移至sf'时，G(S(sf,a)＝sf')的值为1，否则为0；ei∈{0,1}K+1表示一个K+

1维的单位向量，该向量除了第i个元素为1外，其余都为0。

8.根据权利要求1所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，所述系统的收益函数表示为：其中，R(s,a)表示在当前系统状态s下采取动作a时的系统的收益函数；η表示系统的能效； 表示对当前系统状态s采取动作a对应的平均驻留时间的期望；α表示连续时间下的折扣收益因子；r(s,a)表示在决策时刻采取动作a状态s保持的时间，称为驻留时间；Ptotal表示系统的总功耗；w表示信道带宽，(SINR)i,j,n表示第i个簇中第j个基站第n个用户的信噪比；c表示簇的数量；k表示小基站的数目；l表示用户的数量。

9.根据权利要求8所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，系统的收益函数的最大值求解过程包括：其中， 表示系统在状态s时收益函数的最大值； 表示归一化处理后系统的收益函数； 表示归一化处理的折扣收益因子； 表示归一化处理后系统的状态转移概率；

表示归一化处理后系统在状态s'时的收益函数。

10.根据权利要求1所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，确定粒子群搜索的最优位置包括：对第i个小基站BSi进行[0,1]随机初始化，得到当前基站接入的业务量Qi的值；当Qi>Gi时，初始化的值Bi＝0；否则初始化的值Bi＝1；当在速度方面对BSi进行[0,1]初始化时，可得Vi为BSi的初始速度，那么混合遗传粒子群的位置更新模型为：Vm(t+1)＝w(n)Vm(t)+c1r1(Gm(t)-Wm(t))+c2r2(Am(t)-Wm(t))；

Wm(t+1)＝Vm(t+1)+Wm(t)；

其中，Gi表示当前基站内的业务量大于基站开启的阈值；Wm(t)表示粒子中BSm的t次迭代位置，Gm(t)表示BSm是搜索到的最佳位置，Vm(t)表示粒子中BSm的t次迭代速度，Am(t)表示整个粒子群搜索到的最佳位置；c1，c2为加速常数，一般取值为2；r1、r2为取值在[0，1]范围内的均匀随机数；L为最大的进化代数，n为当前的进化代数，w(n)为最小权重因子；wmax表示线性权重的最大值；wmin表示线性权重的最小值。