改进型蛙跳萤火虫算法及其在CRN频谱分配中的应用

发布时间：2024-05-25 04:28

　　原始萤火虫(GSO)算法存在收敛速度慢、搜索精度不高等缺点,故设计一种改进型蛙跳萤火虫(FGSO)算法。该算法采用自适应可变步长替换固定步长,并且结合蛙跳算法的族群划分策略,提升萤火虫个体交流能力,实现信息群内共享,以及跳出局部最优的目的。将改进算法应用到认知无线电网络CRN频谱分配问题中,可获取更为优化的频谱分配方案。实验仿真结果表明,从网络效益方面考虑,改进的蛙跳萤火虫算法在总体性能及稳定性方面均优于原始萤火虫算法,并能给出有效的CRN频谱分配策略。

【文章页数】：5 页

【部分图文】：

图1缺陷二现象描述

搜索速率则会较慢［14］；同时在寻优后期，个体越来越靠近最优解，若还是按固定步长移动，则可能错过最优解。缺陷二：原始GSO算法中，萤火虫粒子的交流被限制在自身决策域空间内，荧光素值很大的粒子只能影响其决策域内的粒子，致使整个种群不能共享最优萤火虫粒子信息［15］。同时有可能存在一....

图2FGSO族群划分3

图5可用频谱M变化时平均网络总效益4.2.3认知用户数与平均网络总效益变化关系

，空闲频谱数量M=10时，FGSO与GSO算法网络总效益随实验次数增加的波动曲线如图4所示。图4GSO与FGSO网络总效益比较由图4可知，随着实验次数增加，基于GSO与FGSO算法的网络总效益均发生波动，但FGSO的整体波动相对较小，证明该算法稳定性优于GSO算法，同时FGSO算....

图6认知用户N变化时平均网络总效益比较

本文编号：3981701