基于Q-学习自适应蚁群算法的CR电频谱分配

认知无线电能有效实现频谱资源的再利用,是当前通信研究领域的热点之一。如何进行频谱的合理分配是实现认知无线电网络有效运作的关键问题。在图论着色模型的基础上,提出了一种基于Q-学习的自适应蚁群算法。通过仿真实验表明,该算法性能明显优于颜色敏感图着色算法,能更好地实现网络效益最大化。同时,比传统的蚁群算法寻优能力更强,收敛速度更快。     

基于Q学习自适应蚁群算法的认知无线电频谱分配

认知无线电能有效实现频谱资源的再利用,是当前通信研究领域的热点之一.如何进行频谱的合理分配是实现认知无线电网络有效运作的关键问题.在图论着色模型的基础上,提出了一种基于Q-学习的自适应蚁群算法.通过仿真实验表明,该算法性能明显优于颜色敏感图着色算法,能更好地实现网络效益最大化.同时,比传统的蚁群算法寻优能力更强,收敛速度更快.     

基于混沌量子蜂群算法的认知无线电频谱分配

在图论着色模型的基础上,提出了一种基于混沌量子蜂群算法的认知无线电频谱分配方法.该算法基于人工蜂群理论,结合量子计算的高效性和混沌初始化的遍历性来实现频谱分配的优化问题.通过实验仿真比较了此算法与颜色敏感度图论算法、量子遗传算法、量子蜂群算法的性能,结果表明该算法具有更好的收敛性和网络效益.     

基于遗传蚁群优化算法的认知无线电频谱分配

针对认知无线电中的频谱分配问题,提出一种融合了遗传算法和蚁群算法优点的频谱分配方法。该方法利用遗传算法快速随机的群体性全局搜索能力生成初始解,然后利用衔接策略将遗传算法初始解转化为蚁群算法所需的信息素初始分布,最后利用蚁群算法正反馈、收敛高效的特点求取最优解。通过仿真比较了该方法与颜色敏感图着色算法的性能。结果表明动态融合了遗传算法和蚁群算法的优化算法性能明显优于颜色敏感图着色算法,它能更好地实现网络效益最大化。     

基于用户需求的改进型CSGC频谱分配算法

针对基于图论着色模型的频谱分配算法目前未能很好解决用户自身需求这一重要问题,研究了基于用户需求的改进型颜色敏感的图论着色(Color Sensitive Graph Coloring,CSGC)频谱分配算法。该算法通过降低已满足需求用户的分配优先级,使系统未满足的带宽需求总量达到最小化,在保证原CSGC算法性能的同时,较好地实现了频谱分配与自身需求相匹配。仿真结果表明该算法是有效的。     

基于免疫克隆选择优化的认知无线网络频谱分配

结合WRAN(无线区域网)给出了频谱感知过程;通过分析无线认知网络的物理连接,给出了频谱分配的数学模型,并将此模型转换为以网络效益最大化为目标的带约束优化问题,进而提出一种基于免疫克隆选择优化的认知无线网络频谱分配算法,并证明了该算法以概率1收敛.最后,对此算法进行了仿真实验.实验结果表明:所提算法与CSGC(颜色敏感图着色)算法、GA-SA(基于遗传算法的频谱分配)算法相比,能更好地实现网络效益最大化,同时,基于WRAN的系统级仿真结果,进一步证明了算法的有效性.     

基于免疫克隆选择的认知无线网络频谱分配研究

该文提出了图论和免疫优化理论相结合的认知无线网络频谱分配方法。采用基于矩阵的二进制抗体编码,从效率和公平性考虑设计了随机约束满足算子和公平约束满足算子,提出一种基于免疫克隆选择(ICS)的频谱分配算法。对经典克隆选择算法进行改进,增加约束满足操作保证种群编码能够满足频谱干扰限制,实现了频谱分配的约束优化。理论证明了约束满足操作的有效性,分析了算法的计算复杂性和适用性。仿真结果表明：ICS算法与颜色敏感图论着色算法相比,网络带宽明显提高;在频谱干扰严重的情况下,采用公平约束满足算子的ICS算法能显著提高网络的公平性;与参考智能算法相比,ICS算法具有较快的收敛速度。     

基于图着色模型的弹性光网络频谱分配算法

为了有效降低弹性光网络的频谱碎片程序和阻塞率,提出一种基于图着色模型的弹性光网络频谱分配算法。首先,对弹性光网络建立图着色模型,将频谱分配问题转化为带权值的图上色问题,然后提出了2种改进的上色算法(链式搜索法和改进的贪心算法)。仿真结果表明:与度最大着色算法相比,改进的2种上色算法能更好地优化频谱资源并降低平均链路阻塞率。     

基于改进遗传算法的认知无线传感网动态频谱分配方案

将认知无线电中的动态频谱分配技术应用在无线传感网中,针对工作在ISM(industrial,scientific and medical)频段的无线传感网面临的频谱资源紧缺问题,提出一种基于改进自适应遗传算法的动态频谱分配方案.该算法以图论着色模型为基础,以最大带宽收益和最小切换频率为目标函数,在交叉和变异过程中采用自适应交叉概率和变异概率代替固定的交叉概率和变异概率.仿真结果表明,与传统遗传算法和颜色敏感图论着色算法相比,该算法可以实现提高频谱利用率、降低能量消耗的预期目标.     

基于图论模型的改进型频谱分配算法

认知无线电技术能够感知周围无线电环境并择机使用频谱空洞。文章通过对现有的频谱分配算法研究分析,提出了基于图论着色模型的改进型频谱分配算法。该算法建立在授权用户状态动态变化的基础上,利用频谱下一时刻空闲概率降低授权用户的活动性对频谱分配的影响。仿真结果表明该算法有效提高了频谱概率上的效益并且保证了系统公平性。     

认知无线电中的并行频谱分配算法

该文通过对基于图论着色原理的开放式频谱分配算法的分析,提出了一种并行分配算法。在最大化系统效益的准则下,并行算法可以得到与CSGC (Color Sensitive Graph Coloring)算法相同的分配矩阵,但是却可以缩短分配周期,从而适应了认知无线电对环境的快速感知的要求。仿真结果分析验证了结论的正确性。     

动态频谱分配的连通分支并行处理

快速无干扰的动态频谱分配是实现认知无线电的关键技术之一。针对现有图论频谱分配算法均存在时间开销过大这一瓶颈问题,引入并行原理和连通分量理论,提出了一种连通分支并行处理新方法。该方法可应用于目前所有基于图论着色模型的分配算法,在保证算法原有效益的基础上,能够显著降低频谱分配过程的时间。研究了连通分支并行处理方法的应用实例,结果验证了该方法是快速有效的,更加适应时变的认知无线电环境。     

可移动基站网络频谱资源块动态分配方法研究

首先从应用需求,引出了移动式基站的概念,然后设计了一种针对该网络资源分配的优先级策略并从提 高资源利用率和降低频谱重分配次数2个角度出发,提出了2种基于图论的资源分配策略,最后完整地提出了一 种低复杂度的分布式频谱资源块动态分配算法。仿真结果表明,所提算法有良好的性能。     

基于用户等待时间的频谱分配改进算法

文章通过对图论着色模型的分析,提出了一种基于用户等待时间的自适应的公平频谱分配改进算法,解决了在频谱资源比较紧张的情况下弱势用户等待时间太长的问题。该算法既考虑到了系统吞吐量,又考虑到了用户的等待时间。本算法能使各次用户有趋于平均的机会使用频谱资源,保证了系统的公平性。仿真结果验证了本算法的正确性。     

基于图论的认知无线网络频谱动态分配

在认知无线电网络中,图论与量子遗传算法相结合的频谱分配策略能够提高频谱利用率,但存在早熟和收敛精度不够等缺点。为了解决该问题而实现算法的优化,对图着色理论的频谱分配模型进行数学建模,并针对该模型提出了改进的量子遗传算法。首先,通过使用小生境技术初始化种群,使种群分布更加广泛、算法的收敛度更高;其次,根据进化代数对量子旋转角进行实时动态调整,对染色体进行阈值变异,防止个体陷入早熟,跳出局部解;然后,对干扰约束条件进行重新设计,有效地避免盲目性,提高了网络的公平性和网络效益。仿真结果表明,所提算法有效地提高了频谱利用率,极大地增强了网络系统的性能。     

一种面向系统公平性的频谱资源分配方法

针对认知无线网络频谱分配过程中公平性和全局优化问题,提出了一种面向网络系统公平的频谱分配方法,以系统公平性为目标函数,基于认知无线网络的特性及改进的量子遗传算法,将频谱分配模型中的分配矩阵与改进量子遗传算法中的可行解相对应,在保证系统公平性的同时,避免了局部最优现象的出现。仿真结果表明,该算法能更好地实现网络效益最大化和系统公平性。     

基于多目标禁忌搜索算法的认知无线电频谱分配

针对认知无线电动态频谱分配问题,建立图着色频谱分配模型,将模型中的分配矩阵和禁忌搜索算法中的可行解相对应,提出基于禁忌搜索的智能求解算法。同时将高斯柯西算子引入到禁忌搜索的更新策略当中,改善了算法的收敛速度和爬坡能力。在最大化认知无线电网络效益和最大化公平效益准则下建立多目标评价函数,将禁忌搜索算法和粒子群算法在图着色频谱分配模型基础上进行性能比较,结果表明在不同权重的评价函数下,禁忌搜索算法找到的理想最优解都要优于粒子群算法。     

基于认知无线电网络中用户需求频谱分配算法

在认知无线电网络中,对图着色频谱分配算法进行了分析,发现只有少数已有算法考虑到用户的需求是否得到满足,导致需求低的用户分配到过多资源。为解决这个问题,根据基于用户需求的图着色论频谱分配算法,对用户的满意度设置优频谱分配优先级函数,满意度差的用户进行优先选择分配,得到一种改进算法。仿真结果表明,基于用户需求的频谱分配算法的改进算法,能够增加系统的信道效益,提高用户的需求满意程度。     

认知无线电系统中的自适应动态频谱分配方法

该文提出了一种认知无线电系统中多小区间的动态频谱分配方法。该方法提出了对检测到的空闲频谱的空闲时长的预测机制,在此基础上,提出了基于频谱可靠性的自适应频谱分配算法。该算法在提高系统稳定性的基础上,最大化频谱资源的连续性;不仅实现了认知系统中频谱切换率的降低,同时保证了各小区所分配频谱的连续性,避免系统开销的增加及频谱管理的复杂化。此外,该方法采用图论着色理论模型实现了各小区之间干扰的抑制。仿真结果验证了该文方法的正确性。     

基于量子布谷鸟搜索的认知无线网络频谱分配

为了有效解决认知无线网络频谱分配的离散优化问题,将量子计算引入布谷鸟搜索算法,提出了一种新的组合优化算法——量子布谷鸟搜索算法。该算法使用量子鸟窝表征问题的多维解,通过Lévy flights随机游动方式和量子突变策略快速搜索到全局最优位置。通过使用基准函数验证了算法的高效性,并提出了一种基于量子布谷鸟搜索的认知无线网络频谱分配方法。然后与经典频谱分配算法在不同的网络效益函数下进行仿真性能比较。结果表明,所提出的频谱分配方法能够较快找到全局最优解,并且在不同网络效益函数下均优于已有的经典频谱分配算法。