膜量子蜂群优化的多目标频谱分配-物理学报.pdfVIP

物理学报 Acta Phys. Sin. Vol. 63, No. 12 (2014) 128802 膜量子蜂群优化的多目标频谱分配∗ 高洪元 李晨琬 (哈尔滨工程大学信息与通信工程学院, 哈尔滨 150001) ( 2014 年1 月2 日收到; 2014 年3 月4 日收到修改稿) 为了解决认知无线电系统中最大和网络效益和用户间公平性联合最优化的多目标频谱分配难题, 基于 量子蜂群理论和膜计算, 提出了一种新的离散多目标组合优化算法—–膜量子蜂群优化. 所提算法在基础膜 可以有哪些信誉好的足球投注网站到单个目标的全局最优解, 在表层膜获得兼顾网络效益和公平的Pareto 前端解. 通过膜间的通信规 则、量子觅食行为的协同演进和非支配解排序可获得能同时求解单目标和多目标优化问题的多目标优化算法, 并与经典的敏感图论着色算法、遗传算法、量子遗传算法和粒子群算法等频谱分配算法在不同的目标函数下 进行仿真性能比较. 仿真结果表明: 在不同网络效益函数下所提的膜量子蜂群频谱分配算法都能够较好地找 到单目标最优解, 优于经典的频谱分配算法和已有的智能频谱分配算法, 还可获得多目标频谱分配的Pareto 前端最优解集. 关键词: 认知无线电, 多目标频谱分配, 量子蜂群优化, 膜计算 PACS: 88.80.ht, 64.60.aq DOI: 10.7498/aps.63.128802 泛关注的经典频谱分配模型, 它的求解可看作组合 1 引 言 优化问题, 是多项式复杂程度的非确定性(NP)难 题. 近年来一些智能计算方法如粒子群算法16 、 随着无线通信的快速发展, 无线频谱资源的短 1718 18 遗传算法 、量子遗传算法 和混沌量子克隆 缺成为制约其发展的一个关键. 为了解决该问题, 19 算法 等被用来解决认知无线电中的频谱分配问 能够感知外界环境的认知无线电系统近年来得到 题, 但这些经典智能计算方法的收敛速度和收敛精 快速发展, 该系统不仅利用人工智能技术在环境 中进行智能学习1 , 而且能实时调整某些工作参 度存在矛盾, 在现有计算条件下很难在有限的时间 23 内有哪些信誉好的足球投注网站到全局最优解. 并且认知无线电频谱分配问 数 , 实现高可靠性通信及对频谱资源的有效利 用4 . 当前, 由于空闲频谱资源有限, 认知用户之 题是典型的多目标优化问题, 以上单目标优化算法 间需要竞争使用这些资源. 频谱分配是在频谱检 不能使最大和网络效益和公平性同时达到最优, 因 5 此需要根据智能计算理论的新发展设计新算法解 测 完成后, 把空闲频谱资源在认知用户之间进 6 7 决这个问题. 行分配 . 能否公平而有效地分配频谱资源 , 是 关系到系统性能能否得到改善或逼近最优状态的 针对现有频谱分配方法在目标优化方面全局 关键因素8 . 至今, 许多频谱分配模型被提出, 如 收敛性不高和不能有效求解多目标频谱分配问 基于整数优化的智能计算模型910 、图论着色模