可靠、高效的通信網(wǎng)絡(luò)是充分發(fā)揮智能電網(wǎng)潛力的前提。針對智能電網(wǎng)的無線通信環(huán)境存在頻譜短缺、資源利用效率低等問題,文中將認(rèn)知無線電技術(shù)應(yīng)用于智能電網(wǎng)的鄰域網(wǎng)絡(luò)通信中,引入認(rèn)知智能電網(wǎng)概念以保證業(yè)務(wù)傳輸?shù)墓叫院陀行?考慮了通信過程中的信噪比和路徑損耗后,選擇網(wǎng)絡(luò)吞吐量作為信道效益,并在拓?fù)浣Y(jié)構(gòu)固定的城市居民小區(qū)進(jìn)行建模仿真。在此基礎(chǔ)上,提出了一種改進(jìn)二進(jìn)制貓群（Weight Binary Cat Swarm Optimization,WBCSO）優(yōu)化的頻譜分配算法。首先,在二進(jìn)制貓群算法（Binary Cat Swarm Optimization,BCSO）的速度更新公式中加入非線性動態(tài)的慣性權(quán)重,它隨著迭代次數(shù)的增加而非線性地遞減,以防止算法早熟;其次,引入繁殖算子,產(chǎn)生子代貓群以增加種群的多樣性,以獲取更好的全局最優(yōu)解;然后,選用了4個常用的基準(zhǔn)函數(shù)對改進(jìn)后的算法進(jìn)行性能測試,測試結(jié)果表明WBCSO算法的優(yōu)化均值和標(biāo)準(zhǔn)差都優(yōu)于BCSO算法;最后,以系統(tǒng)總效益和用戶公平性為優(yōu)化目標(biāo),將其與二進(jìn)制遺傳算法（Binary Genetic Algorithm,BGA）和二進(jìn)制粒子群算法（B... 

【文章來源】：計算機(jī)科學(xué). 2020,47(03)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

CR-SG系統(tǒng)模型

如圖2所示,在當(dāng)前系統(tǒng)中,假設(shè)認(rèn)知智能電網(wǎng)用戶數(shù)N=5,頻譜數(shù)M=4,通過頻譜檢測得到可用矩陣L,逐行抽取矩陣L中對應(yīng)位置為1的元素,然后對它們進(jìn)行編碼,得到解向量x(xi∈{0,1}),其維度為8,優(yōu)化以后按照之前的映射關(guān)系將貓群個體二進(jìn)制編碼的解向量x映射為分配矩陣A。由于貓群個體初始位置的編碼是隨機(jī)產(chǎn)生的,按照上述編碼方式,并非每一種分配方案都是可行的,因?yàn)楸仨毻瑫r滿足干擾約束 C1和 C2。對任意頻譜m(0≤m<M)尋找全部滿足條件c n,k m =1的n和k,檢查A中的a n m 和a k m 的元素值是否為1,若是,則隨機(jī)將其中一個元素設(shè)置為0,而另一個則不變。經(jīng)過以上操作,此時貓群位置所代表的頻譜分配方案可行。同時,將算法中衡量貓群個體位置的適應(yīng)度函數(shù)值定義為頻譜分配的目標(biāo)函數(shù)值Usum以及輸出公平性值Ufair。

圖3是WBCSO算法與BCSO算法、BPSO算法、BGA算法的一次迭代速度對比圖。系統(tǒng)總效益隨著迭代次數(shù)的增加而增大,WBCSO算法在21代左右時,系統(tǒng)總效益達(dá)到最大,即此刻為認(rèn)知智能電網(wǎng)的鄰域網(wǎng)中頻譜分配問題的最優(yōu)解,在此以后系統(tǒng)總效益不再改變;加入非線性動態(tài)的慣性權(quán)重和雜交算子后,WBCSO算法的最優(yōu)解明顯大于BCSO算法,說明了改進(jìn)算法的有效性;BPSO算法和BGA算法分別在第160代和第80代時系統(tǒng)總效益才達(dá)到最大值,而且它們的效益值明顯低于WBCSO算法。為了說明WBCSO算法在不同頻譜環(huán)境下均具有更好的優(yōu)化性能,將4種算法在不同的頻譜環(huán)境下仿真30次,對于每種算法均采用相同的初始值,但是不同實(shí)驗(yàn)中的矩陣B,L,C不同,從而得到不同頻譜環(huán)境下的系統(tǒng)總效益圖和認(rèn)知電網(wǎng)用戶接入公平性圖,如圖4和圖5所示。從表3、表4可以看出,WBCSO算法最終的系統(tǒng)總效益和用戶公平性指數(shù)比表現(xiàn)最差的BGA算法分別高出了35.46%和43.7%;比未改進(jìn)前的BCSO算法分別高出了13.7%和14.6%。由此說明,WBCSO算法在不同頻譜環(huán)境下均能獲得更大的系統(tǒng)效益,而且認(rèn)知電網(wǎng)用戶接入頻段的公平性指數(shù)也更高。


本文編號：3013979