欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

基于非支配解排序量子雁群算法的多目標(biāo)頻譜分配方法

文檔序號(hào):7973216閱讀:392來(lái)源:國(guó)知局
專利名稱:基于非支配解排序量子雁群算法的多目標(biāo)頻譜分配方法
技術(shù)領(lǐng)域
本發(fā)明涉及的是一種認(rèn)知無(wú)線電的頻譜分配方法。
背景技術(shù)
隨著無(wú)線通信的發(fā)展,無(wú)線頻譜資源的短缺成為制約無(wú)線通信持續(xù)發(fā)展的瓶頸。 美國(guó)聯(lián)邦委員會(huì)的研究報(bào)告表明,當(dāng)前的固定頻譜分配政策使得頻譜利用率極為低下,很多頻段未得到充分利用,而另外一些頻段則擁擠不堪。認(rèn)知無(wú)線電(Cognitive radio)技術(shù)提供了一種解決無(wú)線頻譜資源短缺的可能。該技術(shù)使得認(rèn)知用戶能夠在不對(duì)授權(quán)用戶和其它認(rèn)知用戶產(chǎn)生干擾的情況下,使用空閑頻譜。認(rèn)知用戶通過(guò)感知周圍的頻譜環(huán)境,搜索可用頻譜資源,并進(jìn)行動(dòng)態(tài)的頻譜接入,從而提高通信系統(tǒng)的容量和頻譜利用率,緩解了頻譜資源缺乏與日益增長(zhǎng)的無(wú)線接入需求之間的矛盾,因而成為無(wú)線通信的重要研究方向。認(rèn)知無(wú)線電系統(tǒng)是一個(gè)智能無(wú)線通信系統(tǒng),它能夠感知外界環(huán)境,并利用人工智能技術(shù)從環(huán)境中學(xué)習(xí),通過(guò)實(shí)時(shí)改變某些操作參數(shù),來(lái)實(shí)現(xiàn)高度可靠通信及對(duì)頻譜資源的有效利用。由于空閑頻譜資源有限,認(rèn)知用戶之間也需要競(jìng)爭(zhēng)使用這些資源。頻譜分配,是在頻譜檢測(cè)完成后,空閑頻譜資源在認(rèn)知用戶之間的分配。它作為認(rèn)知無(wú)線電技術(shù)很重要的一部分,是決定能否公平而有效地分配一定數(shù)量的頻譜資源,使系統(tǒng)性能得到改善或逼近最優(yōu)狀態(tài)的關(guān)鍵。經(jīng)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn),Chunyi Peng等在《ACM Mobile networks and Application (sMONET)》(ACM 移動(dòng)網(wǎng)絡(luò)及應(yīng)用)Q006,Vol. 11,No. 4,pp. 555-576)上發(fā)表 StJ "Utilization and fairness in spectrum assignment for opportunistic spectrum access”(在空閑頻譜分配中的效益與公平)中提出了頻譜分配的圖論著色模型,基于該模型,提出了解決認(rèn)知無(wú)線電頻譜分配的敏感圖論著色算法。該算法精度不夠高,并且不能同時(shí)考慮最大網(wǎng)絡(luò)效益與用戶間公平性。Zhijin Siao等在《IEEE Transactions on Wireless Communications)) (IEEE (無(wú)線通信)期刊)0009,Vol. 8,No. 9,September, pp. 4421-4425)上發(fā)表白勺"Cognitive radio spectrum allocation using evolutionary algorithms”提出了應(yīng)用人工智能算法(包括遺傳算法,量子遺傳算法和粒子群算法)解決頻譜分配問(wèn)題,精度雖然相對(duì)于敏感圖論著色算法有提高,但依舊不能解決認(rèn)知無(wú)線電頻譜分配的多目標(biāo)問(wèn)題。認(rèn)知無(wú)線電頻譜多目標(biāo)分配問(wèn)題可以看作組合優(yōu)化問(wèn)題,為NP難題,很難在有限的時(shí)間內(nèi)尋得最優(yōu)解。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種同時(shí)考慮最大網(wǎng)絡(luò)效益和用戶間公平性的基于非支配解排序量子雁群算法的多目標(biāo)頻譜分配方法。本發(fā)明的目的是這樣實(shí)現(xiàn)的本發(fā)明基于非支配解排序量子雁群算法的多目標(biāo)頻譜分配方法,其特征是
(1)建立認(rèn)知無(wú)線電頻譜分配的圖論著色模型,有N個(gè)認(rèn)知用戶標(biāo)號(hào)為1到N競(jìng)爭(zhēng)獲取M個(gè)正交頻道標(biāo)號(hào)為1到M的使用權(quán);確定種群規(guī)模pop,優(yōu)化問(wèn)題的維數(shù)
權(quán)利要求
1.基于非支配解排序量子雁群算法的多目標(biāo)頻譜分配方法,其特征是(1)建立認(rèn)知無(wú)線電頻譜分配的圖論著色模型,有N個(gè)認(rèn)知用戶標(biāo)號(hào)為1到N競(jìng)爭(zhēng)獲取 M個(gè)正交頻道標(biāo)號(hào)為1到M的使用權(quán);N M確定種群規(guī)模POP,優(yōu)化問(wèn)題的維數(shù)Z = Σ Σ ln,m并記錄L中值為1元素對(duì)應(yīng)的Πη =I m=l與m,即令L1 = {(η, m) | ln, m = 1}且使L1中的元素按照η遞增m遞增的方式排列,L1中的元素個(gè)數(shù)即為1 ;(2)初始化量子大雁的位置Xij(l( i ( pop, 1 < j < 1)和量子速度 Vij =1/λ/2 (1</< ρορ,Ι < y < 1)并對(duì)每個(gè)量子大雁進(jìn)行適應(yīng)度評(píng)價(jià);9(3)對(duì)種群中的個(gè)體根據(jù)其適應(yīng)度值進(jìn)行非支配解排序和擁擠度的計(jì)算,多于最大值多目標(biāo)優(yōu)化問(wèn)題,對(duì)于可行解11、~若&(11) ^fi (v), (i = 1,2, ,w)對(duì)所有的i都成立, 且知識(shí)有一個(gè)嚴(yán)格不等式成立,則成為u支配v,u為非支配解;若&(11) ^fi(V), (i = 1, 2,-,w)對(duì)所有的i都成立,且知識(shí)有一個(gè)嚴(yán)格不等式成立,則成為ν支配u,ν為非支配解; 否則解U、ν之間無(wú)任何支配關(guān)系;(4)對(duì)非支配解排序等級(jí)相同的個(gè)體進(jìn)行擁擠度由大到小進(jìn)行排序,選擇非支配解排序等級(jí)為1的解加入精英解集nonDomQGSAList中;(5)采用量子雁群的演進(jìn)規(guī)則對(duì)種群進(jìn)行演化,產(chǎn)生新的量子速度和位置,對(duì)新位置求解適應(yīng)度值,并將該迭代產(chǎn)生解和上一代的解混合,產(chǎn)生規(guī)模為2Xpop的解,并進(jìn)行非支配解排序及擁擠度的計(jì)算,將產(chǎn)生的非支配解排序等級(jí)為1的解加入精英解集 nonDomQGSAList中,非支配解排序等級(jí)不為1的解加入到nextQGSAListRest中;(6)如果精英解集nonDomQGSAList的個(gè)體數(shù)大于ElitePop,則對(duì)nonDomQGSAList中的解進(jìn)行非支配解排序和擁擠度計(jì)算,并對(duì)非支配解排序等級(jí)相同的解進(jìn)行擁擠度由大到小進(jìn)行排序,從中選擇前ElitePop個(gè)解作為精英解集;(7)如果nonDomQGSAList中的解目大于等于pop,則選取前pop個(gè)解作為量子大雁的位置參與下一代演化,否則對(duì)nextQGSAListRest中的解進(jìn)行非支配解排序和擁擠度計(jì)算、排序,選擇非支配解排序等級(jí)為1的解作為量子大雁的位置參與下一代進(jìn)行演化,更新nextQGSAListRest,即選擇非支配解排序等級(jí)不為1的解,如果下一代的數(shù)目依舊小于 pop,重復(fù)上述過(guò)程直至下一代的量子大雁的位置數(shù)目等于pop ;(8)如果達(dá)到最大迭化代數(shù),算法終止;否則返回步驟(5)繼續(xù)進(jìn)行;(9)將得到的精英解集nonDomQGSAList中的解進(jìn)行非支配解排序,選擇非支配解等級(jí)為1的解作為最終的pareto前端解集。
2.根據(jù)權(quán)利要求1所述的基于非支配解排序量子雁群算法的多目標(biāo)頻譜分配方法,其特征是所述的認(rèn)知無(wú)線電的頻譜分配模型包括可用頻譜矩陣、效益矩陣、干擾矩陣和無(wú)干擾分配矩陣;可用頻譜矩陣L= {ln,Jln,ffle {0,1}}NXM是一個(gè)N行M列的矩陣,代表了頻譜的可用性,認(rèn)知用戶η通過(guò)檢測(cè)鄰居授權(quán)用戶信號(hào)的判斷鄰居授權(quán)用戶當(dāng)前是否占有頻段m決定頻段是否可用,認(rèn)知用戶使用頻段m不會(huì)對(duì)任何授權(quán)用戶造成干擾,則該頻段對(duì)于認(rèn)知用戶η可用,則ln,m = 1,否則,認(rèn)知用戶η不可以使用頻段m,ln,m = 0 ;效益矩陣B = {bn,JNXM是N行M列的矩陣代表了認(rèn)知用戶η使用頻道m(xù)所能得到的效益,效益可以用頻譜利用率,最大流量,吞吐量來(lái)描述,不同的認(rèn)知用戶采用的發(fā)射功率以及調(diào)制方式等不同,使得不同的認(rèn)知用戶使用同一頻道會(huì)得到不同的效益,如果ln,m = 0, 則 bn,m = 0;干擾矩陣C= {cn,k,Jcn,k,ffle {0,1}}NXNXM是一個(gè)NXNXM的三維矩陣,描述認(rèn)知用戶 η和k使用頻道m(xù)的干擾情況,如果cn,k,m = 1,則認(rèn)知用戶η和k在同時(shí)使用頻道m(xù)時(shí)會(huì)產(chǎn)生干擾,干擾矩陣和可用頻譜矩陣也有制約關(guān)系,即cn,k,m ( ln,mX lk,m,當(dāng)η = k時(shí),cn,k,ffl = l_ln,m,僅由可用頻譜矩陣L決定;無(wú)干擾分配矩陣A= {an,Jan,ffle {0,1}}NXM是N行M列的矩陣,描述了一種可行的頻譜分配方案如果將頻道m(xù)分配給認(rèn)知用戶n,則= 1,無(wú)干擾分配矩陣必須滿足干擾約束條件
3.根據(jù)權(quán)利要求2所述的基于非支配解排序量子雁群算法的多目標(biāo)頻譜分配方法,其特征是所述的對(duì)每個(gè)量子大雁進(jìn)行適應(yīng)度評(píng)價(jià)的過(guò)程如下無(wú)干擾分配矩陣為Α,初始化為知』=0,將\的第j位映射為iin,m,其中(n, m)為L(zhǎng)1中的第j(l彡j彡1)個(gè)元素,對(duì)所有的m(l彡m彡Μ),尋找滿足cn, k, m = 1 的所有的η和k,檢查A中的第η行第m列的元素和第k行第m列的元素值是否都為1,若是1,隨機(jī)將一位變?yōu)?,另一位保證不變,根據(jù)無(wú)干擾分配矩陣計(jì)算網(wǎng)絡(luò)效 益,分別為最大網(wǎng)絡(luò)效益
4.根據(jù)權(quán)利要求3所述的基于非支配解排序量子雁群算法的多目標(biāo)頻譜分配方法,其特征是所述的非支配解排序的過(guò)程如下對(duì)種群中每個(gè)個(gè)體P,計(jì)算支配個(gè)體P的個(gè)體的數(shù)目np以及個(gè)體P所支配的個(gè)體的集合\,如果np = 0,這意味著沒有個(gè)體支配p,則說(shuō)明個(gè)體ρ的非支配排序等級(jí)為1,對(duì)于每個(gè)np = 0的個(gè)體p,遍歷&中的每個(gè)個(gè)體q,并且η, = η,-l,若η, = 0,則將個(gè)體q放在集合Q中,這些個(gè)體的非支配解等級(jí)為2,這個(gè)過(guò)程對(duì)Q中的每個(gè)個(gè)體重復(fù),得到非支配解排序等級(jí)為3的個(gè)體集合,重復(fù)此過(guò)程直至得到所有的非支配等級(jí)。
5.根據(jù)權(quán)利要求4所述的基于非支配解排序量子雁群算法的多目標(biāo)頻譜分配方法,其特征是所述的擁擠度計(jì)算的過(guò)程是對(duì)非支配等級(jí)相同個(gè)體進(jìn)行的,過(guò)程如下對(duì)每個(gè)非支配等級(jí),根據(jù)目標(biāo)函數(shù)值由小到大進(jìn)行排序,目標(biāo)函數(shù)值最大和最小的個(gè)體的擁擠度值為⑴,其它的個(gè)體的擁擠度為相鄰兩個(gè)個(gè)體的擁擠度的差除以最大目標(biāo)函數(shù)和最小目標(biāo)函數(shù)的差值,即進(jìn)行歸一化處理,對(duì)所有的目標(biāo)函數(shù)都進(jìn)行上述計(jì)算,最終的擁擠度值就是所有目標(biāo)函數(shù)計(jì)算出的擁擠度的總和。
全文摘要
本發(fā)明的目的在于提供基于非支配解排序量子雁群算法的多目標(biāo)頻譜分配方法,包括以下步驟建立認(rèn)知無(wú)線電頻譜分配的圖論著色模型,初始化量子大雁的位置和量子速度,對(duì)種群中的個(gè)體根據(jù)其適應(yīng)度值進(jìn)行非支配解排序和擁擠度的計(jì)算,對(duì)非支配解排序等級(jí)相同的個(gè)體進(jìn)行擁擠度由大到小進(jìn)行排序,采用量子雁群的演進(jìn)規(guī)則對(duì)種群進(jìn)行演化,產(chǎn)生新的量子速度和位置,將得到的精英解集nonDomQGSAList中的解進(jìn)行非支配解排序,選擇非支配解等級(jí)為1的解作為最終的pareto前端解集。本發(fā)明解決了離散多目標(biāo)優(yōu)化問(wèn)題,并設(shè)計(jì)新穎的非支配解排序的量子雁群算法作為演進(jìn)策略,具有收斂速度快,收斂精度高的優(yōu)點(diǎn),且本發(fā)明的適用性更廣。
文檔編號(hào)H04W16/10GK102316464SQ201110278099
公開日2012年1月11日 申請(qǐng)日期2011年9月19日 優(yōu)先權(quán)日2011年9月19日
發(fā)明者刁鳴, 曹金龍, 趙宇寧, 高洪元 申請(qǐng)人:哈爾濱工程大學(xué)
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1
富川| 交口县| 襄垣县| 区。| 察隅县| 麦盖提县| 雅安市| 长汀县| 田林县| 彭阳县| 巴中市| 浮梁县| 凤台县| 灵璧县| 安陆市| 武城县| 南安市| 奈曼旗| 淮南市| 环江| 芜湖市| 汝城县| 宁国市| 图们市| 松阳县| 揭西县| 沛县| 新河县| 石城县| 华宁县| 类乌齐县| 甘谷县| 轮台县| 大荔县| 从江县| 西畴县| 赣州市| 富锦市| 那坡县| 习水县| 山西省|