基于量子遗传算法的认知无线电决策引擎研究

《基于量子遗传算法的认知无线电决策引擎研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第+:卷第##期&$$’年##月物理学报T<2)+:，S<)##，S

2、’日收到修改稿）提出了基于量子遗传算法的认知无线电决策引擎，设计了待优化的多目标函数，利用量子遗传算法调整优化无线电参数，运用多载波系统对算法性能进行了仿真分析)实验结果表明该方法在收敛速度、收敛精度和算法稳定性上都明显优于经典遗传算法，在种群规模较小时仍然能获得很好性能，适合于实际实现)不同权重设置模式下仿真结果表明该方法能够在多个目标函数间进行权衡，参数调整结果与当前对目标函数的偏好一致)关键词：认知无线电，量子遗传算法，认知引擎!"##：*+%$,方法的有效性和实用性)#=引言&=量子遗传算法量子遗

3、传算法（>?03@?/8737@1;028

4、优问题中)认知无线电（;<831@1E7A0F1<，GH）技术近年来引之外的线性组合态)通常用如下方式表示一个量子起了无线通信领域的极大关注［+—’］)通常，GH具有位的状态：如下基本功能：感知功能（包括HI频谱感知、地理!〉J"$〉K##〉，（#）环境感知、用户需求感知等）、学习功能和自适应参其中，"和#是两个复数，分别表示状态$〉和状态数调整功能［%］)文献［+］中构建了基于遗传算法#〉的概率幅)对量子比特测量时得到$的概率为&&（8737@1;028

5、到#的概率为#)测量将改变量子比特线电基本功能，文献［%］则集中讨论了应用CD的认的状态，使其从$〉和#〉的叠加态塌缩到与观测结知无线电参数调整功能的实现问题，验证了CD实果相应的特定状态)"和#需要满足如下归一化现参数调整的有效性)为克服CD具有的早熟收敛条件：&&和爬山能力弱等缺点，提高搜索效率，本文提出基于"K#J#)（&）设一个染色体包含!位量子比特，则其编码形BCD的GH决策引擎技术，在多载波系统中对此GH决策引擎算法性能进行了仿真分析)实验结果表明，式如下：采用BCD的GH决策引擎性能明显优于

6、使用CD的"#"&⋯"!"J[]，（"）决策引擎，而且能在种群规模较小的情况下获得较###&⋯#!&&好的优化结果，从而表明使用BCD的GH参数调整其中"#K##J#，#J#，&，⋯，!)由于每一个!电科院预研基金（批准号：(##$#$($#$&）资助的课题)!-./012：2103451657389#&:);

7、经典信息，所"3(678#(456#("(以"#$能搜索到比经典遗传算法更为广泛的空间%其中，!3和（(’&，!，⋯，!）表示更新后染色体第("3((个量子比特，#（((’&，!，⋯，!）表示量子旋转门的!"!"量子遗传算法旋转角，其大小和方向由事先设计的调整策略确定%量子遗传算法（"#$）的一般步骤如下：本文采用如下调整策略：#(’!#(·（+!(，"(），其&）初始化种群"（#），#’(；中!#和（+!，）分别代表旋转的角度和方向，取(("(!）对"（#）中的各个个体实施一次测量，得到值如表&所示，其

8、中“"”表示可取任意值%该调整策一组状态$（#）；略将待调整个体当前的测量值的适应度（,-）与已)）对$（#）进行适应度评价，将$（#）中最优解保存的最优解的适应度（,.）进行比较，如果（,-）保存至%（#）；9（,.），则调整个体中相应位量子比特（该位测量*）判断是否满足终止条件：是，终止；否，继续；值-与最优解相应位的值.不相等），使得概率幅((+）#’#,&；对（!，）向着有利于-出现的方向演化；反之，如("((-）对种