认知智能电网邻域网络的频谱分配策略

发布时间：2021-02-02 03:39

　　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（B... 

【文章来源】：计算机科学. 2020,47(03)北大核心

【文章页数】：6 页

【部分图文】：

CR-SG系统模型

如图2所示,在当前系统中,假设认知智能电网用户数N=5,频谱数M=4,通过频谱检测得到可用矩阵L,逐行抽取矩阵L中对应位置为1的元素,然后对它们进行编码,得到解向量x(xi∈{0,1}),其维度为8,优化以后按照之前的映射关系将猫群个体二进制编码的解向量x映射为分配矩阵A。由于猫群个体初始位置的编码是随机产生的,按照上述编码方式,并非每一种分配方案都是可行的,因为必须同时满足干扰约束 C1和 C2。对任意频谱m(0≤m<M)寻找全部满足条件c n,k m =1的n和k,检查A中的a n m 和a k m 的元素值是否为1,若是,则随机将其中一个元素设置为0,而另一个则不变。经过以上操作,此时猫群位置所代表的频谱分配方案可行。同时,将算法中衡量猫群个体位置的适应度函数值定义为频谱分配的目标函数值Usum以及输出公平性值Ufair。

图3是WBCSO算法与BCSO算法、BPSO算法、BGA算法的一次迭代速度对比图。系统总效益随着迭代次数的增加而增大,WBCSO算法在21代左右时,系统总效益达到最大,即此刻为认知智能电网的邻域网中频谱分配问题的最优解,在此以后系统总效益不再改变;加入非线性动态的惯性权重和杂交算子后,WBCSO算法的最优解明显大于BCSO算法,说明了改进算法的有效性;BPSO算法和BGA算法分别在第160代和第80代时系统总效益才达到最大值,而且它们的效益值明显低于WBCSO算法。为了说明WBCSO算法在不同频谱环境下均具有更好的优化性能,将4种算法在不同的频谱环境下仿真30次,对于每种算法均采用相同的初始值,但是不同实验中的矩阵B,L,C不同,从而得到不同频谱环境下的系统总效益图和认知电网用户接入公平性图,如图4和图5所示。从表3、表4可以看出,WBCSO算法最终的系统总效益和用户公平性指数比表现最差的BGA算法分别高出了35.46%和43.7%;比未改进前的BCSO算法分别高出了13.7%和14.6%。由此说明,WBCSO算法在不同频谱环境下均能获得更大的系统效益,而且认知电网用户接入频段的公平性指数也更高。


本文编号：3013979