基于用户间公平性的改进型频谱分配算法

针对目前频谱资源紧缺的现状,通过对图论着色模型的分析理解,提出了一种基于用户公平性的改进颜色敏感度的图论着色算法,该算法从用户的网络效益和使用频谱数出发,引入公平因子,改变频谱分配过程中给用户的分配优先级,保证频谱分配的公平性.通过仿真表明其可行性.     

基于图论模型的认知无线电频谱分配仿真建模研究

鉴于频谱分配的可用性和干扰条件,通过将认知用户组成的网络描绘为图,以图论模型推动频谱分配最优化是当下认知无线电频谱分配研究的重点.无干扰分配矩阵用以记载频谱分配的终极策略,但对其直接编码,往往存在编码维数过高问题.为更高效地对认知无线电频谱分配仿真建模,将可用性矩阵进行提取并编码,压缩为一维矩阵,优化完成之后再根据原有...     

认知无线电中基于时间差因子的频谱分配算法

为了降低认知系统的通信中断概率,提高认知系统的稳定性,在经典的图论着色模型基础上提出了一种改进的频谱分配算法。该改进算法引入一个频谱空闲时间和用户请求时间的差值因子,对于每个认知用户,该算法综合考虑频谱效益与时间差因子两个因素来分配频谱。仿真结果表明,改进算法使认知系统的中断概率远低于原算法。     

基于业务需求的动态频谱分配算法

动态频谱分配能有效解决频谱利用率低的问题,但已有的图论着色算法未考虑认知用户的业务需求,导致需求小的用户分配到更大的频谱,一定程度上造成了频谱浪费。为解决该问题,提出基于业务需求的动态频谱分配算法,使分配的信道与认知用户的业务需求适配。性能仿真结果表明,基于业务需求的算法能满足各用户的需求,性能更优。     

基于粒子群算法的认知无线电频谱分配算法

针对认知无线电空闲频谱分配过程中整体性能优化问题,建立了频谱资源受限情况下实现系统总带宽收益最大化、认知用户接入公平性最优的多目标模型,并结合问题特点设计了基于粒子群优化算法的智能求解算法,给出了具体的实施步骤。从系统总带宽收益、用户接入公平性和系统整体性能3个方面,仿真比较分析了所提算法同协作最大化带宽总收益和协作最大化比例公平性准则下的敏感图着色算法的性能,结果表明该方法实现了系统总带宽收益和用户公平性的折中,整体性能优于敏感图着色算法。     

基于混合蛙跳算法的认知无线电频谱分配

提出一种二进制混合蛙跳算法和基于该算法的认知无线电频谱分配方法。对该方法与颜色敏感图论着色算法进行仿真比较,结果表明在最大化网络总效益和最大化公平效益准则下,基于二进制混合蛙跳算法的频谱分配方法的性能较高。二进制混合蛙跳算法能找到理想最优解,颜色敏感图论着色算法得到的解与理想最优解偏差较大。     

均衡满意度的并行单色连通分支频谱分配算法

针对各类图论着色频谱分配算法的时间开销过大的问题,提出了一种并行单色连通分支处理拓扑图的方法。该方法结合连通分量理论和单色子图分解法,可应用于目前所有的图论着色模型的拓扑图分解中。并且根据认知用户的需求来调整分配使满意的用户比例增大,从而解决了分配结果存在的用户满意度不均衡情况。仿真结果表明,提出的算法是一种快速且能够使更多用户满足需求的有效方法。     

基于图着色理论的最大效用频谱分配算法

研究基于图着色理论的频谱分配算法,提出一种改进的最大效用频谱分配算法。该算法生成类似于ISAA算法的用户效用矩阵和相应的干扰矩阵,选择最大效用用户或干扰值为0的用户进行频谱分配。仿真结果表明,该算法能有效减少频谱分配的时间开销,提高频谱的使用效率,最大化认知无线电系统的总效用。     

认知无线电网络中基于需求的多小区频谱分配算法

提出一种认知无线电网络中基于需求的多小区频谱分配算法。使用图论着色模型,结合频谱质量分级概念,根据小区内需求情况,该算法将网络中周期检测到的可用频谱分配给各个认知小区,最大化满足需求的同时,为业务提供服务质量保障。仿真结果表明：与原有算法相比,该算法能更好地满足网络需求。     

认知无线电网络中基于需求的频谱资源分配算法研究

认知无线电网络中,已有的分配算法未考虑用户的需求,这样会导致需求小的用户分配到更多的资源。为解决上述问题,提出基于需求以及联合比例公平两种频谱分配算法,这两种算法均将用户需求作为频谱分配时需要考虑的因素。仿真结果表明,基于需求以及联合比例公平算法比原算法更能满足各用户的需求。     

图着色问题的启发式搜索蚂蚁算法

针对经典的图着色问题,该文在随机序列启发式搜索求解的基础上,引进蚂蚁算法优化思想,设计了一种新型算法,有效地避免了启发式搜索易陷入局部极小的缺陷。通过给地图着色和仿真实验结果表明,该方法对图着色问题的求解是可行、有效的,且具有通用性。     

基于超完美图着色的存储分配算法

为了提高性能,一些应用需要在编译时对主存进行针对性的管理.提出了基于超完美图的主存分配方法,其基本思想是通过生命周期分割将一般的相干图转换为超完美图,从而可以使用已有的线性时间的区间着色算法完成主存的分配.分别基于自底向上的积极生命周期分割策略和自顶向下的被动生命周期分割策略,实现了两个分配算法.初步评测表明,我们的分配算法是有效的编译时管理主存手段.     

完全图的点可区别强全染色算法

根据图的点可区别全染色的定义,结合完全图的对称性,提出一种新的点可区别强全染色算法。该算法将需要填充的颜色分为超色数和正常色数2个部分,在得到染色数量和染色次数的前提下,对超色数进行染色以增强算法收敛性。实验结果表明,该算法具有较低的时间复杂度。     

图着色问题的一个最小冲突权值学习算法

图着色问题(GCP)是NP完全问题．近年来求解GCP的启发式局部搜索算法引起人们的关注,GSAT是最著名的局部搜索算法之一．许多局部搜索算法引入跳出局部极小的机制来提高搜索效率,权值学习是一种被广泛采用的方式之一．我们从一些权值学习局部搜索算法抽象出一个通用的权值学习算法(SWLA),进一步把SWLA和GSAT相结合提出了最小冲突权值学习算法(MCWLA),算法还应用还原策略和“权值交叉”算子来提高搜索后期的效率．算法在求解一些难解测试范例时显示出较高的效率,能求得GSAT及SWLA无法求得的最优解．     

图的顶点着色问题的一种DNA算法

在构造了一种新型的“类发夹”式探针的基础上,给出了图的顶点着色问题的一种DNA算法。利用顶点的适当编码,该算法直接生成可满足解空间,无须在全体解空间中进行各种过滤过程,使用常规的生物操作完成可满足解空间的产生及最终解的分离。     

图着色算法解决考试时间安排问题的优化

时间表问题是将有限的时间资源分配给多个对象的资源分配问题,它是一类具有多约束条件的组合优化问题。时间表问题已经被证明是一个NP完全问题。大学考试时间安排问题是时间表问题的一个应用,利用改进的图着色算法来处理大学考试的时间安排问题能够最大程度上使考试时间安排得更加人性化、合理化。实验测试表明,基于所给出的算法实现的考试时间安排系统具有良好的可行性、实用性和优越性。     

一种求解图着色问题的优化组合遗传算法①

图着色算法是一种典型的NP-完全问题。在逆序算子、对偶算子和矩阵遗传算子的性能研究基础上,采用自然数与二进制相互转换的编码方案,应用图着色问题的约束条件建立适应度评价函数,将具有良好局部搜索性能的矩阵遗传算子与具有良好局部搜索性能的逆序与对偶组合算子优化组合应用,构造了一种用于求解图着色问题的优化组合遗传算法,保证了算法的全局收敛性。与基本遗传算法相比较,实验结果表明,该算法对图着色问题有较好的求解性能。