认知无线传感器网络频谱分配的一种改进方法

发布时间：2024-03-08 20:53

　　为有效地分配和使用空闲频谱,提升认知无线传感器网络的频谱利用率,需要设计高效的频谱分配算法。针对认知无线传感器网络的频谱分配问题,提出了一种频谱分配的改进方法,设计了新的混沌动态克隆进化算法,建立了图论着色模型,推导了相应的适应度函数。设计了新的混沌算子、自适应算子和克隆算子以加快算法的收敛速度。通过仿真,将混沌动态克隆进化算法与模拟退火算法、蚁群算法进行对比。仿真结果显示,相比蚁群算法与模拟退火算法,混沌动态克隆进化算法能够有效地提高全局搜索能力,频谱分配的网络效益值和系统的吞吐量有较明显的提高。

【文章页数】：6 页

【部分图文】：

图1网络效益值比较图（认知用户数为20)

仿真实验基于9600型号的奔腾i5处理器，操作系统采用Windows7,4GB内存，仿真软件使用MATLAB7。在仿真中，3种算法的个体数均设为40，迭代均为100次。所提混沌动态克隆进化算法的交叉概率设置为0.85，变异概率设置为0.05。为评价混沌动态克隆进化算法的性能，....

图2网络效益值比较图（认知用户数为30)

图1网络效益值比较图（认知用户数为20)在图1中，设置频带个数为5、认知用户数为20。由仿真结果可知，CACEA的网络效益值大于ACO算法和SA算法的。经过100次迭代后，CACEA的网络效益值为124.59,ACO的网络效益值为99.94,SA的网络效益值为84.96，即CA....

图3吞吐量比较图（频谱数为5)

为了比较3种算法的复杂度和系统开销，针对图1和图2的两种仿真参数，表1对比了3种算法运行所需的时间。从表1中可以看出，CACEA算法所需运行时间略少，即在网络效益值获得提升时，其在算法复杂度和系统开销方面，相比ACO和SA略有下降。当频带的数量设为5，用户数量为20时，CACEA....

本文编号：3922377