基于混沌进化的引力搜索频谱调度算法

发布时间：2024-04-24 06:16

　　传统智能寻优算法在解决认知无线电网络中频谱调度问题时,通常会面临初始值敏感、易陷入局部最优、收敛速度慢等问题。针对这些问题,基于引力搜索算法,设计差分进化优化机制用于加快算法的搜索过程,提升收敛速度;设计混沌扰动优化机制,帮助算法跳出局部最优,以提升算法的收敛精度。实验结果表明,相比于传统引力搜索算法和遗传算法,该算法能够以更快的速度达到收敛,且可以获得更高的系统效用。

【文章页数】：7 页

【部分图文】：

图1CRN系统模型

综上,基于图论理论,首先构建了一个图论模型G=(V,E),其中:V代表图的节点,在CRN模型中表示授权用户AU和认知用户CU;E代表图的边,在CRN模型中表示用户之间的干扰关系,包括AU和CU之间,以及CU和CU之间的干扰关系。图1所示为一个CRN模型图,包含3个AU、4个CU,....

图2位置矩阵P编码解码

为方便计算机处理,本文设计了一个编码解码过程,将拓扑矩阵T编码为物体的位置向量P,通过GSA一系列的运算,并将最后得到的最优解P解码为共享矩阵S。编码解码的核心是将拓扑矩阵中1元素的位置按照先行后列的顺序按次取出,并组成一个行向量,最后再按照该规则还原至共享矩阵S,如图2所示。定....

图3差分进化过程

假设物体μ经过GSA优化后的位置向量为P=(A,B,C,…),εrd设为3,则DEO机制的交叉过程如图3所示。基于式(3),假设ε=1时,φ≤ρ,则将A2替换为A;假设ε=2时,φ>ρ,则将B1替换为B;由于εrd=3,所以强制将C2替换为C;之后的交叉位选择也依据式(3)进行....

图4收敛速度实验

如图4所示,本文在K=5、μ=15的网络环境下对CEGSA、GSA和GA进行实验,比较其收敛速度。可以看出,CEGSA的收敛速度最快,在62代附近收敛;GSA次之,在85代附近收敛;GA最慢,在110代附近收敛。这是因为GSA在多维空间具备较高的搜索性能,且CEGSA利用差分进化....

本文编号：3963352