基于元胞自动机的差分进化算法及其在通信系统中的应用研究

发布时间：2017-08-14 14:05

  本文关键词：基于元胞自动机的差分进化算法及其在通信系统中的应用研究

  更多相关文章： 元胞自动机 差分进化 混沌局部搜索 信道估计 动态资源分配

【摘要】：差分进化算法是一种基于种群的并行迭代优化算法,已经广泛应用在求解各类优化问题上。然而,差分进化算法也存在早熟收敛和搜索停滞等缺陷,限制了其优化能力和应用范围,特别是应用于求解动态优化问题,迫切需要加以研究和改进。在通信系统设计领域中也存在很多优化的应用问题,如基于导频的快衰落信道估计问题,因为快衰落导致很多参数并不能及时获取;多中继节点协同通信系统的资源分配问题,因为理论分析计算复杂,往往只能进行简化近似处理。而启发式智能算法为上述解析类问题提供了一种有效解决问题的新思路。为此,本文针对差分进化算法早熟收敛与搜索停滞的问题,提出基于元胞自动机进化的改进差分进化算法,并将其用以解决无线最佳接收机的信道估计算法以及协同通信系统的资源分配算法两类优化问题。论文的主要研究内容和创新点如下:(1)提出基于元胞自动机的改进差分进化算法。针对差分进化算法早熟收敛的缺陷,通过利用元胞自动机具有扩散衍变与并行计算的特点,从而维护进化群体的多样性。通过研究元胞邻居结构和元胞进化规则调节差分进化算法控制参数的选择压力,利用元胞自动机并行演化的特点平衡差分进化算法的探索能力与开发能力;通过反学习方法初始化种群以及正交交叉算子选择多个子代中优胜者进入下一代进化,从而实现提高进化算法的全局收敛速度并保持种群的多样性,避免种群过早收敛。(2)提出基于混沌局部搜索的元胞差分进化算法。针对差分进化算法搜索停滞的缺陷,研究混沌局部搜索方法在差分进化算法的进化个体更新机制。通过利用混沌序列遍历性的特点,对设定迭代次数内未更新且陷入局部最优的进化个体进行重新初始化,将帮助其脱离局部最优解,从而大大提高获得全局最优解的几率,尽快找到全局最优解;算法利用混沌局部搜索算子的遍历性和随机性避免优化算法陷入局部最优和搜索停滞。(3)提出采用元胞差分进化算法实时获得有效信道长度的一种新型最大似然信道估计算法。针对基于导频的最小均方误差准则信道估计算法计算复杂度高、传输效率低的缺点,首先在讨论经典的线性最小均方误差信道估计算法的基础上,通过对信号子空间维数的判定,获得运算复杂度与估计性能的折中,即在估计性能基本不变的情况下,通过降低矩阵的秩,从而有效降低运算复杂度,同时通过二次滤波提高数据检测的误码率性能;为了减小导频数目,提高估计算法的传输效率,提出基于最小二乘支持向量机以及极限学习机的导频预测机制;最后,通过采用元胞差分进化算法实时获取有效信道长度,提出一种基于元胞差分进化的最大似然信道估计算法。(4)提出一种基于元胞差分进化算法的正交频分多址协同通信系统资源分配算法。正交频分多址协同通信系统的资源分配问题是一个复杂的联合最优化问题,很难找出最优解,现有的分配方法一般采取简化近似处理,从而将问题转化为凸优化问题进行求解次优解。而启发式智能算法为解决上述解析类问题提供了一种有效解决问题的新思路。第一,提出基于元胞差分进化算法的多中继协同系统功率分配算法,并对其与其他经典分配方法等进行仿真比较;第二,通过引入最大化准则作为优化算法准则,提出基于元胞差分进化算法的正交频分多址协同通信系统资源分配算法,从而兼顾多个用户公平性和系统总体性能。
【关键词】：元胞自动机 差分进化 混沌局部搜索 信道估计 动态资源分配
【学位授予单位】：上海大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP18;TN914
【目录】：

• 摘要6-8
• ABSTRACT8-14
• 英文缩略语14-16
• 第一章 绪论16-33
• 1.1 课题研究的目的和意义16-17
• 1.2 差分进化算法的国内外研究概况17-19
• 1.2.1 发展历史17-18
• 1.2.2 国内外研究概况18-19
• 1.3 差分进化算法存在的问题及改进策略19-29
• 1.3.1 差分进化算法的早熟收敛问题19-21
• 1.3.2 差分进化算法的搜索停滞问题21-23
• 1.3.3 差分进化算法的改进策略23-29
• 1.4 宽带无线通信系统研究中的优化问题29-30
• 1.5 论文主要研究内容、创新点及章节安排30-33
• 1.5.1 论文主要研究内容及创新点30-32
• 1.5.2 论文章节安排32-33
• 第二章 基于元胞自动机的改进差分进化算法33-57
• 2.1 引言33-34
• 2.2 经典差分进化算法34-36
• 2.3 基于元胞自动机的差分进化算法36-42
• 2.3.1 元胞自动机演化机理36-37
• 2.3.2 反学习初始化37-38
• 2.3.3 正交交叉操作38-40
• 2.3.4 c DE的算法步骤40-42
• 2.4 算法结果分析42-55
• 2.4.1 算法性能比较42-46
• 2.4.2 算法收敛性分析46-55
• 2.5 本章小结55-57
• 第三章 基于混沌局部搜索的元胞差分进化算法57-74
• 3.1 引言57
• 3.2 基于元胞自动机的局部搜索差分进化算法57-60
• 3.2.1 混沌局部搜索机制57-58
• 3.2.2 cc DE算法58-60
• 3.3 算法结果分析60-73
• 3.3.1 算法性能比较60-63
• 3.3.2 算法收敛性比较63-73
• 3.4 本章小结73-74
• 第四章 基于元胞差分进化算法的快衰落信道估计74-99
• 4.1 引言74-75
• 4.2 经典OFDM信道估计算法75-77
• 4.2.1 系统模型75-76
• 4.2.2 MMSE/LMMSE信道估计算法76-77
• 4.3 基于奇异值分解与二次滤波的信道估计算法77-84
• 4.3.1 基于奇异值分解的OFDM信道估计77-78
• 4.3.2 SVD-LF信道估计算法78-80
• 4.3.3 仿真结果分析80-84
• 4.4 基于导频预测及二次滤波的信道估计算法84-93
• 4.4.1 基于LS-SVM导频预测及二次滤波的信道估计算法84-88
• 4.4.2 基于极限学习机预测及二次滤波的信道估计算法88-90
• 4.4.3 仿真结果分析90-93
• 4.5 基于元胞差分进化算法的信道估计算法93-97
• 4.5.1 OFDM最大似然估计算法94-95
• 4.5.2 基于差分进化算法的最大似然信道估计算法95-96
• 4.5.3 仿真结果分析96-97
• 4.6 本章小结97-99
• 第五章 基于元胞差分进化算法的协同通信资源分配99-125
• 5.1 引言99-100
• 5.2 中继协同通信的资源分配理论100-106
• 5.2.1 系统模型100-102
• 5.2.2 接收信号合并方式102-103
• 5.2.3 各种中继转发协议下的性能分析103-104
• 5.2.4 多中继协同通信系统的遍历容量及中断概率分析104-106
• 5.2.5 多中继协同通信系统的功率分配分析106
• 5.3 基于元胞差分进化算法的多中继协同通信功率分配106-112
• 5.3.1 基于元胞差分进化算的多中继功率分配算法107-108
• 5.3.2 功率分配优化结果与分析108-112
• 5.4 基于元胞差分进化算法的OFDMA协同通信资源分配112-123
• 5.4.1 多中继OFDMA协同通信系统113-114
• 5.4.2 基于元胞差分进化算法的OFDMA协同通信资源分配算法114-118
• 5.4.3 仿真及性能分析118-123
• 5.5 本章小结123-125
• 第六章 总结与展望125-128
• 6.1 论文工作总结125-127
• 6.2 研究展望127-128
• 附录128-131
• 参考文献131-144
• 作者在攻读博士学位期间公开发表的论文144-145
• 作者在攻读博士学位期间所作的项目145-146
• 致谢146

【参考文献】

中国期刊全文数据库 前10条

1 Aijun Zhu;Chuanpei Xu;Zhi Li;Jun Wu;Zhenbing Liu;;Hybridizing grey wolf optimization with differential evolution for global optimization and test scheduling for 3D stacked SoC[J];Journal of Systems Engineering and Electronics;2015年02期

2 Hong Li;Li Zhang;Yongchang Jiao;;Solution for integer linear bilevel programming problems using orthogonal genetic algorithm[J];Journal of Systems Engineering and Electronics;2014年03期

3 詹腾;张屹;朱大林;刘铮;郑小东;;基于多策略差分进化的元胞多目标遗传算法[J];计算机集成制造系统;2014年06期

4 Yu Xue;Yi Zhuang;Tianquan Ni;Siru Ni;Xuezhi Wen;;Self-adaptive learning based discrete differential evolution algorithm for solving CJWTA problem[J];Journal of Systems Engineering and Electronics;2014年01期

5 赵静;赵卫虎;李勇军;赵尚弘;王翔;韩磊;李轩;;基于改进小生境遗传算法的微波/光混合链路中继卫星资源调度方法[J];光电子.激光;2014年01期

6 赵静;赵卫虎;李勇军;赵尚弘;王翔;韩磊;李轩;;基于改进NSGA-Ⅱ算法的微波/光混合链路中继卫星多目标资源调度算法[J];中国激光;2013年12期

7 黎明;卢明;陈昊;黎政秀;;基于线性映射的多物种捕食元胞遗传算法[J];模式识别与人工智能;2013年10期

8 严细辉;蔡伯根;宁滨;上官伟;;基于差分进化的高速列车运行操纵的多目标优化研究[J];铁道学报;2013年09期

9 陈俊风;吴铁军;;群体智能算法搜索策略的性质及对停滞现象的影响[J];系统工程理论与实践;2013年06期

10 谭跃;谭冠政;邓曙光;;Hybrid particle swarm optimization with differential evolution and chaotic local search to solve reliability-redundancy allocation problems[J];Journal of Central South University;2013年06期

，

本文编号：673020