基于多态蚁群优化算法的认知无线电动态频谱接入策略

发布时间：2021-01-19 21:06

　　为尽可能提高系统的网络收益及网络资源的利用率,针对原有蚁群算法搜索时间长、收敛速度慢及信息素单一等问题,提出一种基于时间效率的多态蚁群优化算法,借助信息素的增强型积累,为蚁群算法中蚂蚁的行动提供依据,并将其运用到认知无线电动态频谱接入中.以最大网络公平性和网络收益总和作为目标函数的仿真试验表明:改进后的算法能显著地提高系统的网络效益,保证系统的公平性,与此同时,节省了认知用户的搜索时间,使认知用户能更快速地接入可用信道,改进后的算法在加快收敛速度的同时,使得系统吞吐量也显著增加,提升了系统的整体性能. 

【文章来源】：江苏大学学报(自然科学版). 2020,41(02)北大核心

【文章页数】：7 页

【部分图文】：

算法流程图

图2为3种算法下可用信道数与网络收益总和的关系比较.由图2可知:选取本研究中改进的算法进行频谱分配时,网络效益总和高于另外两种算法;随着可用信道m的数量不断增大,本研究算法的网络收益总和始终高于AOC算法和QGA算法.这是由于引入的时间参数对信道的效益起到了很好的调节作用,减少了认知用户的搜索时间,继而提高了系统网络收益.图3为3种算法下认知用户数与网络收益总和的关系比较.由图3可知:当认知用户数量不断增多时,3种算法的网络收益总和都在减小;认知用户数量不断增多,作用于可用信道的干扰也随之增多,继而分配可用信道的时间也相应变长.本研究算法改进后收敛速度显著提高,在信道数量一定时,能够使认知用户更好地做出选择,提高网络收益.

图3为3种算法下认知用户数与网络收益总和的关系比较.由图3可知:当认知用户数量不断增多时,3种算法的网络收益总和都在减小;认知用户数量不断增多,作用于可用信道的干扰也随之增多,继而分配可用信道的时间也相应变长.本研究算法改进后收敛速度显著提高,在信道数量一定时,能够使认知用户更好地做出选择,提高网络收益.图4为3种算法下认知用户数与算法网络公平性关系比较.由图4可知,认知用户数增多时,竞争也随之增大.本研究算法通过比较认知用户的信道使用情况来权衡频谱分配公平性,进而使系统公平性有了显著提高.

【参考文献】：
期刊论文
[1]智能优化算法应用于分布式电源配电网无功优化综述[J]. 孙亮,吕凌虹,张秀琦,刘国炳.  东北电力大学学报. 2017(04)
[2]基于改进蚁群算法对VRP线路优化[J]. 王晓东,张永强,薛红.  吉林大学学报(信息科学版). 2017(02)
[3]多信道认知无线电频谱感知时间和门限联合分配[J]. 刘鑫,张建伟,杨昊,孔繁锵,高宁,闫钧华.  哈尔滨工业大学学报. 2016(05)
[4]基于频谱预测和频谱分割的吞吐量优化[J]. 李红,齐丽娜.  南京邮电大学学报(自然科学版). 2016(02)
[5]多态蚁群算法的认知无线电频谱分配[J]. 张婧怡,向新,王锋,孙晔,鲁阳,李斌.  空军工程大学学报(自然科学版). 2016(02)
[6]一种基于干扰对齐的用户选择与功率优化算法[J]. 唐礼,赵楠,殷洪玺.  大连理工大学学报. 2016(02)
[7]认知无线电网络的一种演化博弈频谱共享机制[J]. 贺欢欢,王兴伟,黄敏.  系统仿真学报. 2016(03)
[8]基于改进遗传算法的含分布式电源配电网故障定位[J]. 王迪,吴鑫强,王振浩.  东北电力大学学报. 2016(01)
[9]基于遗传蚁群优化算法的认知无线电频谱分配[J]. 吴轩,孙文胜,陆家明.  通信技术. 2015(11)
[10]无线通信系统频谱分配策略优化研究[J]. 张婧怡,向新,孙晔,王峰.  计算机仿真. 2015(10)



本文编号：2987712