基于图论着色模型的频谱分配算法研究

发布时间：2021-10-30 18:09

　　近年来,认知无线网络技术得到了全面和快速的发展,为当今社会频谱资源短缺的问题提供了新的解决方法和思路,对频谱资源高效利用的研究更是在全世界范围内成为了重点关注的研究热点。认知无线电网络可以采用动态的接入方式,灵活的共享频谱资源,因此,如何高效利用空闲的频谱资源对于认知无线网络频谱分配的研究具有重要的现实意义。在认知无线网络频谱分配的研究中,基于图论的颜色敏感图论着色算法和量子遗传算法已经被提出,这两种算法在实际的频谱分配应用中取得了一些成果,但也存在一些弊端,如容易陷入局部最优、收敛速度慢、算法复杂等。本文在这两种算法的基础上,进行了频谱分配算法研究。本文首先对图论着色模型进行了详细介绍,并深入研究了基于颜色敏感的图论着色算法和基于量子遗传算法的频谱分配模型,结合这两种算法的优势,针对频谱分配过程中的主要问题,提出了改进的频谱分配算法。采用混沌搜索算法对种群进行初始化来保证种群的多样性;设计了新的量子旋转角对染色体进行更新,在保证收敛速度的前提下避免使系统陷入局部寻优;使用交叉阈值来控制染色体的交叉变异操作,对个体进行有选择的交叉变异;采用精英保留策略使最优个体能顺利遗传到下一代;并采... 

【文章来源】：燕山大学河北省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

频谱资源利用情况

【参考文献】：
期刊论文
[1]基于干扰权限的认知无线网络功率控制算法研究[J]. 刘鹏,林宇峰,李谦,陈健,吴超宇,杨灿.  通信技术. 2019(02)
[2]多小区认知无线网络基于免疫算法的资源分配[J]. 周朝荣,朱建尧,孙三山.  计算机工程与设计. 2017(10)
[3]认知网络中基于博弈论的联合功率控制与速率分配算法[J]. 朱江,巴少为,杜清敏.  计算机应用. 2017(06)
[4]基于遗传粒子群优化的认知OFDM网络资源分配算法[J]. 董莉,宋晓勤,韩杰.  应用科学学报. 2017(03)
[5]认知无线网Underlay模式下频谱资源优化分配[J]. 吴润泽,高丽媛,唐良瑞,朱佳佳.  北京邮电大学学报. 2017(01)
[6]基于通用量子门的量子遗传算法及应用[J]. 李胜,张培林,李兵,吴定海,胡浩.  计算机工程与应用. 2017(07)
[7]基于改进的量子遗传算法的认知无线网络频谱分配方法[J]. 刘刚,赵海洋,陈华,郝晓辰.  高技术通讯. 2015 (Z1)
[8]量子遗传算法研究[J]. 白小宝.  电脑开发与应用. 2013(01)
[9]基于双链量子遗传算法的多约束QoS组播路由算法[J]. 贺智明,梁云飞.  计算机应用与软件. 2013(01)
[10]新的混沌粒子群优化算法[J]. 胥小波,郑康锋,李丹,武斌,杨义先.  通信学报. 2012(01)

硕士论文
[1]基于改进量子遗传算法的认知无线电频谱分配研究[D]. 赵海洋.燕山大学 2015



本文编号：3467186