基于量子果蝇优化的认知无线网络频谱分配*

将频谱分配的二进制编码转化为量子序列编码,提出一种基于量子果蝇优化的认知无线网络频谱分配方法。首先,将果蝇优化算法(FOA)转化为量子果蝇优化算法(QFOA)算法,拓展FOA算法的应用范围;然后,采用选择、交叉、变异操作改进QFOA算法,提高算法收敛速度,增加样本种群多样性,避免算法陷入局部最优;接下来,利用改进QFOA算法对频谱分配的量子序列进行寻优,寻求最优的网络效益或者用户公平性,得到网络整体性能最优的频谱分配策略。仿真结果表明,改进的QFOA算法收敛速度快且跳出局部最优能力强,应用到认知无线网络频谱分配中,增加了网络资源利用率,提高了网络的整体性能。     

认知无线电网络中基于和声搜索的频谱分配与功率控制

针对认知无线电网络中功率控制和频谱分配过程存在互相影响的问题,提出一种基于和声搜索的频谱分配和功率控制算法。通过综合分析频谱分配和功率控制过程中的各种约束条件,建立了联合功率控制和频谱分配的系统模型。算法根据系统模型特点设计和声搜索算法下相应编码方案,采用多目标优化方法处理复杂的约束条件,并赋予可行解适当的优先权重。仿真实验表明,算法可以很好地解决认知无线电网络中的频谱分配和功率控制问题。     

一种改进的和声搜索算法

针对基本和声搜索算法的不足,提出一种改进的和声搜索算法.首先在和声搜索算法的记忆库中加入权重,减少搜索的随机性;其次让扰动方程中的带宽具有自适应性,从而提高原算法的鲁棒性和收敛速度.算法在计算机上予以实现,并通过一系列测试函数求解,验证了改进算法与基本和声搜索算法及其他智能算法相比,能得到更多的最优解和较小的方差.     

认知无线网络中混合式频谱分配策略及性能研究

针对认知无线网络中的非实时业务,考虑集中式频谱分配可以实现全局优化,分布式频谱分配具有更好灵活性的特点,引入随机退避和控制中心调度的协作机制,提出一种混合式频谱分配策略.基于系统中授权用户和认知用户分别占用的信道个数,建立一个二维Markov模型,在认知用户理想感知的前提下,给出系统的转移概率矩阵,并进行系统模型的稳态分析.导出混合式频谱分配策略下的信道利用率、认知用户中断率及阻塞率等系统性能指标,并通过系统实验,定量的刻画认知用户数,认知用户到达率及信道数对系统性能的影响.     

动态调整策略改进的和声搜索算法

为了得到高维复杂问题的全局高精度最优解,提出一种动态调整策略,并用该策略改进和声搜索算法。算法选取和声记忆库中最差和声向量作为优化调整目标,随着迭代的进行,逐步降低决策变量的调整概率,该方法能够使得算法在全局探索能力和局部高精度开发能力之间实现平衡,有效提高了新和声更新最差和声的成功率。通过6个高维Benchmark测试函数的仿真结果表明,提出的动态调整策略能够有效提高和声搜索算法求解高维复杂优化问题的能力。     

一种新的多目标改进和声搜索优化算法

针对标准和声搜索算法存在收敛不稳定及不能用于多目标优化问题的缺陷,通过引入交叉算子、自适应记忆内搜索概率和调节概率,改进了传统的和声搜索算法;根据Pareto支配关系,结合算法和声记忆库内信息完全共享的特性,提出了基于动态Pareto最优前沿的能够求解多目标优化问题的多目标改进和声搜索算法。通过几个典型函数的仿真测试表明,提出的算法能够高效稳定地收敛于Pareto最优前沿,获得分布均匀的Pareto解集。     

基于二进制烟花优化算法的认知无线网络频谱分配

针对当前无线频谱资源稀缺和利用率低的问题,提出一种基于二进制烟花优化算法的频谱分配方法。每个烟花个体进行分布式爆炸搜索,并对最优烟花的爆炸半径采用改进公式动态更新;在变异环节中,针对粒子间信息交流不足的缺点,引入遗传算法的交叉变异算子,进一步增强种群多样性;对选出的最优个体使用Metropolis准则进行模拟退火扰动,避免陷入局部最优。仿真实验表明,二进制烟花优化算法在认知无线网络的频谱分配中具有寻优精度高、收敛速度快的特点,较好地实现了网络效益和用户比例公平性的最大化。     

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。     

基于时间预测的多跳频谱切换算法研究

针对集中控制认知无线网络,在考虑频谱异构特性的同时,为保证频谱切换业务的服务质量,提出了一种多跳频谱切换算法。通过建立用户移动模型来预测分配信道的可使用时间;设计出路径中不同类型节点的路由处理方法;认知基站根据预测最短路径时间和路由请求包中的时间戳来选择最优路径。仿真结果表明,提出的多跳频谱切换算法能够大大降低切换阻塞概率,提高信道利用率;用户移动对信道可使用时间有着显著的影响。     

改进的细菌觅食算法求解认知无线网络频谱分配问题

认知无线网络中如何进行频谱合理的分配是实现动态频谱接入的关键技术之一。基于图论着色频谱分配模型,以最大化网络效益为目标函数,提出一种具有量子变异操作的改进的二进制细菌觅食优化算法,用以求解认知无线网络中空闲频谱在认知用户间的动态分配问题。通过仿真实验比较了本算法与颜色敏感图论着色算法、传统二进制细菌觅食算法的性能。结果表明:本算法性能明显优于颜色敏感图论着色算法,能更好地实现网络效益最大化,提高用户的平均效益;与传统二进制细菌觅食算法相比,改进后的细菌觅食算法寻优能力更强,收敛速度更快。     

基于离散和声搜索与模拟退火的混合算法

和声搜索是一种启发式优化算法,对和声搜索算法进行离散化,使其能够适用于组合优化问题,就离散和声搜索算法进行两点改进,针对离散和声搜索算法容易陷入局部最优的缺陷,提出一种离散和声搜索与模拟退火算法的混合策略。实验结果表明,基于改进离散和声搜索与模拟退火的混合算法具有较高的求解质量。     

基于混沌和声搜索的最优线性协作频谱感知算法

为了进一步提高认知无线电频谱感知的准确性和可靠性,提出一种基于混沌和声搜索(CHS)的最优线性协作频谱感知算法。该算法基于能量检测的线性加权协作频谱感知模型,利用和声搜索(HS)算法本身的优化能力和混沌映射的遍历性、随机性等特点,通过求解最优权值的方法,提高频谱感知的性能。仿真实验结果表明,CHS算法的优化性能和收敛速度均优于传统的HS算法,基于CHS的最优线性协作频谱感知算法能够找到最优的权值,从而提高了复杂通信环境下的检测概率;并且在相同的虚警概率下,所提算法性能优于基于修正偏差因子的协作频谱感知算法。     

基于区间Mamdani模糊推理的认知无线网络频谱迁移方案

机会式频谱接入技术虽能够有效提升认知无线网络频谱利用率,但在保障认知用户服务质量(quality of service,QoS)以及频谱资源有效利用率方面存在不足.为了提高认知用户QoS,提升认知无线网络系统性能,提出一种基于区间Mamdani模糊推理的认知无线网络频谱迁移方案.通过引入预判决方法减少不必要的数据量和系统开销.综合考虑待迁移频谱的频谱占用率以及链路维持率,并利用模糊推理计算出频谱迁移度,指导认知用户迁移至最优的频谱空穴.为了缩短模糊推理时长,提出区间Mamdani模糊推理方法.仿真结果表明,该方案能够降低认知用户业务传输的强制中断率、重传率以及频谱迁移次数,在维持较高系统吞吐量的同时,提高认知无线网络频谱资源的有效利用率.     

自适应反向竞争和声搜索算法及其优化

提出一种自适应反向竞争和声搜索算法.该算法简单分析和声搜索算法步长设置的盲目性,提出一种自适应步长调整操作.算法融合反向学习策略的优势,建立末位淘汰竞争选择机制,以进一步提高算法的全局搜索能力,防止算法陷入局部最优.为验证文中算法的有效性,优化经典测试函数,数值结果表明文中算法在精度和鲁棒性方面比和声搜索算法及目前较优的改进和声搜索算法更好.最后通过优化求解热交换器和减速器设计问题,证明文中算法求解结果优于其他算法.     

学习型和声搜索算法及其在0-1 背包问题中的应用

针对现有和声搜索算法存在的不足,提出一种学习型和声搜索算法(LHS).根据目标函数值的变化,自适应调整和声记忆考虑概率(HMCR);引入学习机制,加快算法的搜索速度;动态调节基音调整概率(PAR),增强算法的全局搜索能力.对16个标准函数的测试结果表明,所提出的LHS算法与其他4种和声搜索算法相比具有较好的效果.最后将改进算法应用于10个0-1背包问题和1个经典的50维背包实例,实验结果表明LHS算法优于其他算法.关键词:和声搜索算法;自适应;学习策略;搜索速度;0-1背包问题     

基于极值优化的频谱分配算法

针对认知无线电网络中的频谱分配问题,融合频谱的连续可用概率,提出了一种改进的分配模型,并基于频谱 分配问题的NP 特性,提出了一种基于极值优化的启发式智能求解算法。仿真实验表明：本算法能获得较好的频谱分配效果, 有利于频谱资源的有效利用。     

认知无线网中基于大数据分析的感知时间与功率优化研究

随着无线网络的迅速发展,信息社会进入了大数据时代.无线网络数据爆发式的增长和频谱的稀缺影响着网络的通信效率.为了降低认知无线网中认知用户对主用户的干扰,并为了最大化系统的认知吞吐量,通过大数据技术分析最优感知时间与最优功率的分配,从而最大限度地优化认知网络,最大化认知无线网络的认知吞吐量.提出了一种基于大数据分析优化感知时间与功率的方案,单独分析了两个参数,通过大数据技术联合两者优化,确定了最优感知时间与功率.与传统穷举方案相比,所提方案认知用户的收益更高,且复杂度较低.     

混合优化算法求解无线区域网络频谱问题

认知无线网络中,已有的频谱分配方案大多集中在比较广义的范围。设计了一种混合优化方案求解无线区域网络的频谱分配问题。给出了无线区域网的拓扑结构和分配模型,设计了求解问题的量子编码、观测算子,构造了一种改进的量子旋转门算子,实现了算法的并行实现机制。仿真结果表明,该算法具有可以获得较优的频谱分配性能。     

和声搜索算法探索能力研究及其修正

和声搜索算法(harmony search,HS)的一大缺点是它容易陷入局部最优.针对此缺点,深入研究了近期文献中所提出的步长(bw)调整方法.首先具体分析了和声搜索算法即兴创作过程的探索能力,而后推导出在不对称区间下即兴创作过程的探索能力与各参数的关系,并进一步讨论了bw对探索能力和算法收敛的影响,证明了方差期望和均值期望所组成的迭代方程的迭代收敛充分性.基于这些分析和证明,提出一种修正和声搜索算法(modified harmony search,MHS),并分析了参数和声记忆库大小(harmony memory size,HMS)、基音调整概率(pitch adjusting rate,PAR)及和声记忆库的考虑概率(harmony memory considering rate,HMCR)对MHS优化性能的影响.数值仿真结果表明MHS算法优于HS及最新文献所报道的8种改进HS算法,具有良好的优化性能.     

新颖的全局和声搜索算法在经济性调度中的应用

提出采用新颖的全局和声搜索算法来解决经济调度问题,并设计了一种新颖的处理系统约束的方法;介绍了经济调度问题数学模型、新颖的全局和声搜索算法实现过程及其应用方法。实验结果表明,采用新颖的全局和声搜索算法所获得的最优值要明显好于采用进化算法、粒子群算法所获得的最优值,新颖的全局和声搜索算法为解决经济性调度问题提供了一种新的解决方案。