基于极值优化的频谱分配算法.pdf

《基于极值优化的频谱分配算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、学术探讨·基金砑目基于极值优化的频谱分配算法白浩郑丽萍(河南工业大学信息科学与工程学院，河南郑州450001)[摘要]针对认知无线电网络中的频谱分配问题，融合频谱的连续可用概率，提出了一种改进的分配模型，并基于频谱分配问题的NP特性，提出了一种基于极值优化的启发式智能求解算法。仿真实验表明：本算法能获得较好的频谱分配效果，有利于频谱资源的有效利用。[关键词]认知无线网络；极值优化；频谱分配中图分类号：TN925文献标识码：A文章编号：1008—6609(2016)04一0040—031引言频谱分配问题是认知无线电网络领域的一个研究热点，主要是指认知用户感知到空闲频谱后，如

2、何对频谱进行有效分配从而实现授权用户和认知用户的双赢【J'21。频谱分配按照不同的分类方式有不同的模型和实现算法。文献[3，4】对目前认知无线电网络中的频谱分配研究成果进行了较为详细的描述。集中式频谱分配是一种应用广泛的场景，适合采用图着色理论建模并实现。由于图着色模型是NP难问题，很多智能算法被用来求解频谱分配问题，如免疫克隆81、微粒群优化、进化算法【5‘6，、蜂群优化【71等。然而，已有的频谱分配模型较少考虑频谱的可用性，即频谱能够被不间断使用的概率对频谱分配的影响。基于此，本文将引入频谱可用概率改进频谱分配模型，以使之更加合理。同时，基于问题的NP特性，本文提出了

3、一种基于极值优化的新型智能算法求解基于图着色的频谱分配问题。结果表明，本文所提算法能得到较好的频谱分配结果。2图着色的频谱分配模型频谱分配模型可以采用如下的几个矩阵进行定义”。4，：空闲矩阵L、收益矩阵B、干扰约束矩阵C、所需的分配矩阵A。此外，本文新定义一个频谱可用率矩阵P。假设参与分配的认知用户数为N，可供分配的可用频谱数为M，各个矩阵的说明如下：(1)空闲矩阵L三=圾。叹。E{o，1}}^。．z。．。=1表示频谱m(1曼m5蚴可以分配给认知用户n(1s凡5m使用，反之取值为0，则表示不能使用相应的资源。(2)收益矩阵BB={6。}．表示认知用户n(1sn曼J7、t)

4、如果使用频谱～7～xⅣm(1sms加将可能得到的收益。很显然，如果f。=0时，则比有6一=O。(3)干扰矩阵Cc3{c“．。k“∈{o，1珑。。表示不同的认知用户厅，岬sn，后曼忉使用同一空闲频谱川曼m曼加可能会产生干扰。同样，c取值1表示有干扰产生，取值0则表示无干扰产生。(4)分配矩阵AA2{口。k。∈{o，I珑。，其中d。=1表示将频谱m分配给认知用户n。A必须满足约束条件口。×o枷=O，矿c“．。=l，Vn，^<肌m

5、∑n。，。×6．。×Jp。．。频谱分配的目标为最大化网络收益总和，即max‰=∑铲∑∑o。，。×6。×氏。可见，本文目标即为寻找网络收益最大的矩阵A。作者简介：白浩，男，河南周口人，硕士，副教授，研究方向：无线网络技术，优化算法。基金项目：河南省教育厅科学技术研究重点资助项目，项目编号：13A520192。一40一学术探讨·基全牙胃3极值优化算法极值优化算法是一种启发式智能优化算法，主要思想来源于复杂系统的自组织临界理论和生物进化模型阳1⋯。模型是基于以下原则建立的：根据达尔文的进化理论，在一个生物群落中，按照自然界优胜劣汰的物种进化规律，对环境适应能力最差的物种将被淘汰

6、或者必须通过变异以获得新的适应物种环境的能力。极值优化算法是一种动态优化过程，其基本理论基础是通过调整局部极值进而优化全局变量，从而提高算法的效果。从结果上看，极值优化算法呈现出断续平衡的表现形式，而不会收敛到一个平衡态，其产生的波动性使得算法具有持续搜索和跳出局部最优解的能力⋯。”。假设生物群落中有n个物种，物种i的适应值为A。∈【0，l】。在物种的进化过程中，每一步都衡量其适应值，并选中适应值最差的物种进行变异，即重新分配一个[0，1】之间的随机数。可见，极值优化算法的变化规则很简单，却体现了变化的动态特性和适应值的广泛分布。在使用极值优化进行问题求解中，无需调整参数

7、，实现起来非常容易且高效。4算法实现使用极值优化进行频谱分配，其具体步骤如下：步骤l：针对频谱分配问题，定义变量划分置及对应的适应度函数A。；适应度函数A．为最大化网络收益总和，即NMmax吧=∑r^-∑∑Ⅱ。，×6。。׉。n2lm2I步骤2：初始化，随机生成初始解S，设置当前最优解

8、sh=S；步骤3：针对当前解s，计算每个物种的适应度A．，并根据适值大小对物种置排序；步骤4：构造S的邻域空间Ⅳ㈣，并选择一个邻域解Js7∈Ⅳ㈣使得并．状态发生改变；步骤5：如果c(spC(s。)，则设置S。S7，C岱。)=C岱，：步骤6：以S