基于鲶鱼粒子群优化算法的认知无线电频谱分配

目前亟待解决如何获得认知无线电系统效益最大化问题,而求解最优频谱分配方法是一项关键技术,针对传统粒子群(PSO)算法收敛速度慢、易陷入局部最优解等缺陷,提出一种基于鲶鱼粒子群算法(CE-PSO)的认知无线电频谱分配方法。首先建立认知无线电频谱分配优化的数学模型,然后以用户取得的效益最大化为优化目标,引入"鲶鱼效应",保持粒子群的多样性,通过粒子间信息交流找到空闲频谱最优分配方案,最后采用仿真实验测试CE-PSO算法的有效性。结果表明,CE-PSO算法克服了PSO算法的缺陷,可以快速、准确地寻找到最优频谱分配方案,更好地实现系统效益的最大化,可以满足认知无线电系统的应用需求。     

采用离散粒子群优化的CoMP等功率分配算法

为了提高多点协同小区边缘用户的速率,提出了采用离散粒子群优化的等功率分配算法(DPSO-EPA)。该算法在各个协同基站功率一定的约束条件下,以用户吞吐量为目标函数,采用等功率的离散粒子群优化算法,对每个基站的功率进行分配。仿真结果表明,所提算法逼近理论最优的联合注水算法,在吞吐量和迭代次数上具有显著优势。     

基于改进离散粒子群算法的认知无线电频谱分配

原始的二进制粒子算法在认知无线电频谱分配过程中存在收敛速度慢、最优值不理想的问题,并且对二进制粒子群算法在频谱分配过程中的惯性权重参数设置缺乏理论研究。针对这一问题,在分析二进制粒子群算法的基本原理和计算步骤的基础上,探讨了二进制粒子群算法ω最适宜的取值。对原始二进制粒子群算法进行了改进,提出了采用混沌Logistic映射的方式进行初始种群的构造,保证了初始种群在解空间的均匀分布。引入了基于种群聚集度的粒子变异思想,使得新算法与原算法相比,不易陷入局部最优解。仿真结果表明,利用该算法进行认知无线电频谱分配时,收敛速度较快,得到的系统总效益值也较好。     

基于地理位置的频谱共享系统功率分配

针对次用户地理位置分布的随机性,提出一种基于地理位置的多信道underlay频谱共享模型,并设计了一种基于凸优化的功率分配算法以提高频谱资源利用率。首先根据不同地理位置的次用户对主用户干扰的差异,设计一种基于产出投入比的公平性信道分配准则,将复杂的多信道资源分配问题转化为单信道功率分配问题;继而采用一种基于凸优化的迭代寻优方式进行功率分配,最终获得次用户的系统信道容量。仿真结果表明,相比按接入时间先后分配信道的方法,基于地理位置的多信道underlay频谱共享模型可以获得更高的信道容量。     

填充式频谱共享中的功率分配算法分析

动态频谱共享技术允许认知用户接入未授权的频谱,可以有效地提高频谱资源的利用率。在分析了频谱共享的2种接入模式的基础上,提出了填充式频谱共享的系统模型。根据认知用户的效用函数,通过注水算法得到了用户间的功率迭代公式,进而求得了认知用户的功率和载波分配结果。仿真表明,该迭代算法在有效完成用户间功率与载波分配的同时能够在较短的时间内收敛。     

基于改进粒子群算法的多载波NOMA功率分配策略

相较于传统正交多址接入,非正交多址接入技术由于在系统吞吐量、频谱效率和能量效率等方面的优势,使其成为5G多址技术研究热点.针对NOMA下行链路的系统能量效率优化问题,提出一种基于改进粒子群算法的功率分配策略.建立了基于能量效率最大化的优化模型,在标准粒子群算法的基础上提出三点改进,并将改进后的粒子群算法用于求解最大化系统能效的目标函数.研究结果表明,在最佳功率分配点处,改进后的粒子群算法使系统能量效率显著提高.     

基于并行分配算法的认知无线电频谱分配算法

针对传统频谱分配方式不合理造成频谱匮乏以及CSGC算法在频谱分配上消耗时间过长影响实时通信的问题,文中提出了一种基于并行分配算法的认知无线电频谱分配算法,其通过同时给各顶点进行上色,从而节省了时间开销。实验证明,并行算法不仅具有与CSGC算法同样的高频谱利用率,且其频谱分配时间开销更低,是一种理想的认知无线电频谱分配算法。     

遗传粒子群算法在频率分配中的应用

首先建立了基于干扰最小化的频率分配模型,接下来研究了遗传算法在频率分配中的应用。针对遗传算法的不足,基于粒子群算法思想提出遗传粒子群算法,并将算法应用到频率分配之中。通过仿真得到使用遗传算法和遗传粒子群算法进行频率分配的情况,仿真结果表明遗传粒子群算法在运算的后期具有更高的效率。     

共生时变二进制樽海鞘群算法的频谱分配优化

针对认知无线网络中频谱分配优化和寻优收敛精度等难题,在图论模型的基础上提出一种共生时变二进制樽海鞘群算法,并将其运用到认知无线电频谱分配中.首先,在追随者位置更新中引入共生策略以增强开发能力;其次,在连续空间和离散空间转换过程中,引入时变函数对位置进行离散化;最后,采用改进的二进制樽海鞘群算法以最大化系统总效益和次用户公平性为目标与其它算法进行对比实验.结果表明,改进的二进制樽海鞘群算法在应用实例中优于其它算法,且能够有效、稳定用于频谱分配优化.     

改进粒子群优化RBF神经网络在短期电力负荷预测上的研究

电力负荷预测的准确性对整个电力系统的安全和经济效能起着很大的作用,为提高短期电力负荷预测的准确性,提出一种改进的粒子群优化RBF神经网络的模型。针对PSO算法其迭代后期极易深陷部分最优,收敛准确度低,容易发散等问题,提出了PSO算法自身的特性结合Levy飞行机制算法的特点进行融合,在保障算法的寻优准确度的同时也保障了寻优的速度,从而实现全局最优。利用改进的粒子群算法优化RBF神经网络,再将训练好的RBF神经网络应用到电力负荷的预测中。将此模型应用到黑龙江省某地区短期电力负荷预测中,结果表明此种方法有效提高了预测精度。     

Cooperative spectrum sensing scheduling scheme based on discrete particle swarm optimization algorithm

The statistical characteristics of the network state changes were analyzed by using the CTMC model.Considering the difference of each secondary user’s sensing ability,two integer programming problems on cooperative sensing scheduling scheme were established from two aspects:the primary users and the secondary users respectively.A discrete particle swarm optimization algorithm was proposed to solve the integer programming problems,and compared with the traditional random scheduling scheme and greedy scheduling scheme based on SNR.The simulation results show that the cooperative sensing scheduling scheme based on discrete particle swarm optimization algorithm is superior to random scheduling scheme and greedy scheduling scheme based on the SNR,which gets a higher spectrum sensing accuracy.     

基于粒子群算法改进的电力系统

本文针对传统粒子群算法自实际应用中出现速度缓慢及局部最优解等等问题,提出了一种改进粒子群算法,并且将其应用在电力系统中,希望能够解决电力系统所存在的例如无功优化等问题中.改进后的粒子群算法在实际应用中收敛速度更加合理,能够有效保证种群的多元性,有效解决传统粒子群所存在的局部最佳解问题.     

Cognitive radio adaptation using particle swarm optimization

One of the basic capabilities of cognitive radio is to adapt the radio parameters according to the changing environment and user needs. This paper proposes a new adaptation method which uses particle swarm optimization (PSO) to optimize cognitive radio parameters given a set of objectives. The procedure of the proposed method is presented and multicarrier system is used for simulation analysis. Experimental results show that the proposed method performs far better than genetic algorithm (GA)‐based adaptation method in terms of convergence speed, converged fitness values, and stability. The proposed method can also provide the tradeoffs of the objective functions, and the resulting parameter configuration is consistent with the weights of the objective functions. Copyright © 2008 John Wiley & Sons, Ltd.     

微粒群优化算法在协同建筑设计中的应用

介绍了群体智能的特点、算法以及基于群体智能的多agent协同设计系统模型。重点介绍微粒群优化算法的原理,工作流程。最后,以一个建筑外观设计为实例,介绍了算法在协同建筑设计组装过程中的应用。     

基于多维离散粒子群优化的协同 OFDMA 系统跨层资源分配

摘 要：针对多服务情况下协同OFDMA（orthogonal frequency division multiple access）系统的资源分配问题,在基站和中继单独功率约束条件下,以最大化用户的效用(utility)总和为目标,提出了一种基于多维离散粒子群（MDPSO）的渐进最优资源分配算法。该算法采用多值离散变量来编码粒子位置,并针对多维离散空间构建了新的基于概率信息的粒子速度和位置更新算法,且引入变异操作来克服粒子群算法的早熟问题。此外,还采用了迭代注水法进行最优功率分配。仿真结果表明,所提算法在总效用、吞吐量和公平性上均明显优于已有资源分配算法。     

改进Hausdorff距离和粒子群算法在激光制导中的应用

为提高激光成像制导精度,实现遮挡条件下的有效识别,提出一种基于改进Hausdorff距离和粒子群算法的激光图像匹配算法。首先提取基准图和实时图的边缘特征;而后针对原始Hausdorff距离易受噪声、孤立点及遮挡影响的不足,提出一种自适应部分均值Hausdorff距离,并将其作为相似性测度;最后改进粒子群算法以完成搜索匹配,一方面提出混沌惯性权值以提高其搜索能力,另一方面通过引入混沌局部搜索避免算法过早收敛。实验结果表明,该算法不仅具有较高的匹配成功率,而且实时性较好。     

空间映射粒子群算法用于电磁优化计算

将粒子群算法与空间映射算法相结合,提出了一种空间映射粒子群优化算法,并用于电磁问题的优化计算.算法实现过程中,将电磁仿真计算中精确网格剖分的计算模型作为精确模型,将粗糙网格剖分计算模型作为粗糙模型,在粒子群算法中计算粒子适应度前,使用粗糙模型结合基于卡尔曼滤波的映射关系,估计出粒子是否对算法最优解更新有效,并对有效的部分粒子做适应度计算,可以很大程度上减少算法的计算耗时.通过E型贴片天线和谐振腔缝隙天线的优化仿真说明了本算法的有效性.     

基于改进粒子群算法的二维相位解缠方法

相位解缠是干涉合成孔径雷达(InSAR)干涉数据处理的关键步骤之一,枝切法作为一种经典的相位解缠算法在相位解缠过程中,建立的枝切线长度越短相位的解缠效果越好,枝切线该如何建立至关重要。在旅行商问题(TSP)理论求解最短路径的思想下,一种利用粒子群优化算法建立最短枝切线的方法被提出,该方法在基本粒子群优化算法中引入变异算子对粒子群算法容易陷入局部收敛的缺陷进行了改进。相对于Goldstein枝切法而言,该方法能够更有效的缩短枝切线的长度,避免解缠过程中\     

带惯性权重的粒子群优化算法性能仿真

粒子群优化算法是一种随机搜索算法,并能以较大概率收敛到全局最优,微粒群算法中关键参数的选择方法对算法特性有显著影响.文中针对微粒群算法中的加速常数、惯性权重、取值范围、种群规模的设置对算法基本性能的影响进行了分析.实验结果证明:选择适合的参数设置水平,能够获得稳健和高效的优化效果.