基于萤火虫算法的认知车载网络频谱分配

针对布谷鸟搜索算法在认知车载网中频谱分配收敛速度低的问题，提出了一种基于萤火虫算法的频谱分配方法。该方法考虑种群所获得的平均收益值，将频谱分配变量映射为萤火虫位置信息，并将车载网络的吞吐量转化为萤火虫的亮度值，采用萤火虫算法离散频谱分配变量并进行迭代寻优。数值结果表明，基于萤火虫算法的认知车载网络频谱分配方式的收敛速度快，且种群的平均收益值高于遗传算法和布谷鸟算法。     

基于改进海鸥算法的认知无人机网络频谱分配

针对无人机网络资源短缺的问题,提出一种基于改进海鸥优化算法(improved seagull optimization algorithm,ISOA)的认知无人机网络频谱分配方案.对海鸥优化算法的解进行克隆操作,实现个体空间的扩张,增强对解空间的搜索力度.对克隆的个体进行变异操作,并将变异个体与原个体比较,保留较优的个...     

基于Logistic映射的蜉蝣优化算法

在高维复杂问题上,蜉蝣优化算法存在易陷入局部最优区域且求解精度较差等问题,因而提出基于Logistic映射的蜉蝣优化算法.引入依据Logistic映射的混沌机制,当种群进化停滞时,当前最优蜉蝣通过混沌机制寻找适应度更好的蜉蝣,以激发种群进化能力;建立较劣蜉蝣加速进化机制,激励蜉蝣个体以达到种群寻优要求;采用动态惯性权重均衡算法全局和局部的搜索性能.抽取5个benchmark函数测试算法性能,实验结果验证了所提算法在寻优性能上的有效性.     

认知无线电网络中频谱分配算法

随着科学技术的发展,无线通信技术逐渐趋于成熟,虽然频谱资源日益增多,但是认知无线电的频谱仍是处于紧缺状态,在一定程度上对无线通信的发展有着阻碍和抑制的作用。比如一些用户的需求在认知无线电网络中并没有得到满足,这一问题具体表现在频谱分配算法的不够严谨,存在很大的欠缺。     

改进鲸鱼算法在认知无线电频谱分配中的应用

在当前无线通信系统中,频谱分配的不合理降低了无线频谱资源的利用率,而认知无线电技术被认为是解决当前频谱资源和无线业务请求矛盾的有效途径.针对传统算法易陷入局部最优解,收敛速度慢等问题,提出一种改进鲸鱼算法(Improved Whale Optimization Algorithm,IWOA),首先提出了一种混合反向学习...     

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。     

求解高维优化问题的改进正弦余弦算法*

提出一种改进的正弦余弦算法(简记为ISCA)。受粒子群优化(PSO)算法的启发,引入惯性权重以提高正弦余弦算法的收敛精度和加快收敛速度。此外,采取反向学习策略产生初始个体以提高种群的多样性和解的质量。采用8个高维基准测试函数进行仿真实验：在相同的最大适应度函数评价次数下,ISCA总体性能上均优于基本SCA算法和HGWO算法;当维数较高(D=1000)时,ISCA所用计算量远小于HDEOO。实验结果表明ISCA在收敛精度和收敛速度指标上均优于对比算法。     

改进型萤火虫算法求解CRN频谱分配问题

在认知无线电网络CRN(Cognitive Radio Network)中,寻找频谱分配更优化方案。在基本萤火虫算法基础上,提出改进型萤火虫算法。该算法将固定步长改为自适应可变步长,有效改善搜索精度低和收敛速度慢的问题。并且结合混沌优化,增加萤火虫种群的多样性以及提高全局搜索性。基于频谱分配模型仿真和4个标准函数测试可得,改进后萤火虫算法在收敛速度、求解精度、迭代过程稳定性以及网络总效益等方面均优于基本萤火虫优化算法。     

基于改进二进制灰狼算法的频谱分配

为解决当前频谱资源紧缺和利用率低的问题,提出一种基于改进二进制灰狼算法(IBGWO)的频谱分配方案.在算法中加入一个非线性收敛因子、柯西扰动策略和自适应权重,提高算法的寻优性能;在连续空间到离散空间的转换中,引入一个新的转换函数实现离散化操作;将改进后的二进制灰狼算法和频谱分配模型结合,以最大化系统效益和认知用户接入公...     

多机调度算法求解认知无线电频谱分配问题

认知无线电的空闲频谱分配是一个复杂的最优化问题,需要在最大化频谱利用率的同时考虑干扰的最小化和接入的公平性。现有的CSGC模型将空闲频谱分配问题简化为一个图着色问题。针对CSGC模型"没有考虑到二级用户接收端的位置"和"没有考虑二级用户的服务时间长短"的两个缺点,结合传统的多机调度算法,提出了一种新的空闲频谱分配算法CRSAMMS。CRSAMMS不仅克服了CSGC模型的两个缺点,并且可以根据具体的应用选择不同的算法规则以进一步提高性能。Matlab仿真实验证明了CRSAMMS算法的正确性和有效性。     

认知智能电网邻域网络的频谱分配策略

可靠、高效的通信网络是充分发挥智能电网潜力的前提。针对智能电网的无线通信环境存在频谱短缺、资源利用效率低等问题,文中将认知无线电技术应用于智能电网的邻域网络通信中,引入认知智能电网概念以保证业务传输的公平性和有效性,考虑了通信过程中的信噪比和路径损耗后,选择网络吞吐量作为信道效益,并在拓扑结构固定的城市居民小区进行建模仿真。在此基础上,提出了一种改进二进制猫群(Weight Binary Cat Swarm Optimization,WBCSO)优化的频谱分配算法。首先,在二进制猫群算法(Binary Cat Swarm Optimization,BCSO)的速度更新公式中加入非线性动态的惯性权重,它随着迭代次数的增加而非线性地递减,以防止算法早熟;其次,引入繁殖算子,产生子代猫群以增加种群的多样性,以获取更好的全局最优解;然后,选用了4个常用的基准函数对改进后的算法进行性能测试,测试结果表明WBCSO算法的优化均值和标准差都优于BCSO算法;最后,以系统总效益和用户公平性为优化目标,将其与二进制遗传算法(Binary Genetic Algorithm,BGA)和二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)进行了对比实验,仿真实验表明,WBCSO算法最终的系统总效益和用户公平性指数比BCSO算法分别高出了13.7%和14.6%,且比二进制群算法和遗传算法的性能都要好,进而表明改进二进制猫群算法在认知智能电网邻域网的频谱分配中具有收敛速度快、搜索能力强的特点。     

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。     

基于剩余能量的认知无线传感器网络频谱分配

针对当前无线传感器网络(WSN)使用的ISM频段频谱资源稀缺、传感器节点能耗受限等问题,将认知无线电技术应用到无线传感器网络,提出一种基于改进二进制灰狼优化算法(IBGWO)的频谱分配方案。该算法在标准灰狼算法(GWO)的基础上采用由适应度值比例构成的权重因子,动态调整算法的位置向量更新,同时使用一种动态转换函数,将个体位置映射,到二进制空间,具有平衡全局搜索和局部开发的能力。仿真实验表明,将改进后的灰狼优化算法应用于认知无线传感器网络频谱分配中,其收敛速度和寻优能力优于标准灰狼算法,能较好的实现认知无线传感器节点的剩余能量最大化,且次用户接入公平性优于其他算法。     

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。     

无线传感器网络动态频谱分配方案

针对无线传感器网络带宽与能量受限问题,以最大化频谱利用和最小化频谱切换为目标,兼顾优先级和公平性指标,构造最大化系统整体性能的目标函数。在此基础上,提出一种适合无线传感器网络的动态频谱分配方案。仿真结果表明,该频谱分配方案在考虑优先级的同时能够公平地分配频谱资源,实现最小化频谱切换。     

基于信道排序的认知频谱分配算法

针对认知传感网中均衡能耗的频谱分配问题,提出了一种适应信道的改进遗传算法(Adapt channel improved genetic algorithm, ACGA)进行频谱分配。为改良遗传算法中传统交叉方法运用于频谱分配问题时面临的交叉失效等问题,采用一种基于信道排序的交叉方案,以信道排序的增益作为交叉的限制,并利用个体相似度进行交叉基因的选取。为增加遗传变异的可靠性,采用了一种混合变异方案,利用博弈对个体进行良性变异,同时组合传统变异以控制种群的整体进化方向。仿真实验表明,相比传统的遗传算法,所提算法有着良好的寻优能力,可以有效降低网络的周期能耗。     

渔夫捕鱼优化算法的认知无线电频谱分配

针对认知无线电系统中认知用户频谱分配问题,提出一种基于渔夫捕鱼优化算法（SFOA）的频谱分配算法。以系统效益最大化为优化目标,建立认知无线电频谱分配优化的数学模型,采用设置参数少、易于编码实现、寻优能力强的渔夫捕鱼优化算法对模型进行求解,得到空闲频谱最优分配方案,在Matlab 2012平台上进行仿真实验。结果表明,SFOA不仅提高了用户平均系统效益,而且提高了频谱分配效率。     

多接口车载自组织网络频谱分配算法研究

如何提升链路的并行传输能力是车载自组网面临的重要问题.如果在车辆上装配多个无线接口,并且分别调制到不同的正交信道可以有效增强链路的并行传输能力,从而提升网络吞吐率.针对拓扑变化对多接口车载自组网动态频谱分配带来的影响,提出了一种多接口车载自组网动态频谱分配算法.算法根据车辆的运动速度进行分簇,然后在簇头间通信中采用离线频谱分配策略,从而避免了网络的拓扑变化对频谱分配造成的影响.而簇内车辆具有相同的运动速度,所以具有稳定的簇内拓扑结构,有利于频谱分配算法的应用.仿真分析表明,提出的算法适用于多接口车载自组网,在动态拓扑环境下表现出了良好的性能.     

基于NSGA-II算法的认知无线电频谱分配

认知无线电中,频谱拍卖是解决动态频谱分配的有效方法,其主要目的是最大化所有主用户的收益。然而,主用户间的收益是存在冲突的,给拍卖算法的优化带来了困难。为此,提出一种新的拍卖方案,来解决获胜者确定问题(Winner Determination Problem, WDP)。在该方案中,动态频谱拍卖问题被建模成多背包问题,并通过非支配排序遗传算法II (NSGA-II)得到最终的解决方案。最后,仿真实验结果表明,就解决WDP问题而言,与贪心算法相比,NSGA-II算法有更好的表现。