本文選題：云模型　切入點(diǎn)：免疫克隆算法　出處：《計(jì)算機(jī)應(yīng)用》2014年03期

【摘要】：為了提高認(rèn)知無(wú)線(xiàn)網(wǎng)絡(luò)的參數(shù)優(yōu)化效果,提出了一種基于免疫優(yōu)化的認(rèn)知引擎參數(shù)調(diào)整算法。免疫克隆優(yōu)化是一種有效的智能優(yōu)化算法,適合求解認(rèn)知無(wú)線(xiàn)網(wǎng)絡(luò)的引擎參數(shù)調(diào)整問(wèn)題。免疫優(yōu)化中,變異概率影響著算法的搜索能力;利用正態(tài)云模型云滴的隨機(jī)性和穩(wěn)定傾向性特點(diǎn),提出了一種基于云模型的自適應(yīng)變異概率調(diào)整方法,并用于認(rèn)知無(wú)線(xiàn)網(wǎng)絡(luò)的參數(shù)優(yōu)化。在多載波環(huán)境下對(duì)算法進(jìn)行了仿真實(shí)驗(yàn)。結(jié)果表明,所提算法收斂速度較快,參數(shù)調(diào)整結(jié)果與對(duì)目標(biāo)函數(shù)的偏好一致,能夠?qū)崿F(xiàn)認(rèn)知引擎參數(shù)優(yōu)化。
[Abstract]:In order to improve the optimization effect of cognitive wireless network, a cognitive engine parameter adjustment algorithm based on immune optimization is proposed.Immune clone optimization is an effective intelligent optimization algorithm, which is suitable to solve the engine parameter adjustment problem of cognitive wireless networks.In immune optimization, mutation probability affects the search ability of the algorithm, and an adaptive mutation probability adjustment method based on cloud model is proposed, which makes use of the randomness and stable tendency of cloud droplets in normal cloud model.And it is used to optimize the parameters of cognitive wireless network.The algorithm is simulated in multi-carrier environment.The results show that the proposed algorithm converges quickly, and the parameter adjustment results are consistent with the preference of the objective function, and the parameters of the cognitive engine can be optimized.
【作者單位】： 河南財(cái)經(jīng)政法大學(xué)計(jì)算機(jī)與信息工程學(xué)院;鄭州師范學(xué)院信息科學(xué)與技術(shù)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61202285) 河南省教育廳自然科學(xué)研究項(xiàng)目(2A520004)
【分類(lèi)號(hào)】：TN925

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 戴朝華;朱云芳;陳維榮;林建輝;;云遺傳算法及其應(yīng)用[J];電子學(xué)報(bào);2007年07期

2 劉禹;李德毅;張光衛(wèi);陳桂生;;云模型霧化特性及在進(jìn)化算法中的應(yīng)用[J];電子學(xué)報(bào);2009年08期

3 張光衛(wèi);何銳;劉禹;李德毅;陳桂生;;基于云模型的進(jìn)化算法[J];計(jì)算機(jī)學(xué)報(bào);2008年07期

4 柴爭(zhēng)義;劉芳;;基于免疫克隆選擇優(yōu)化的認(rèn)知無(wú)線(xiàn)網(wǎng)絡(luò)頻譜分配[J];通信學(xué)報(bào);2010年11期

5 趙知?jiǎng)?鄭仕鏈;尚俊娜;孔憲正;;基于量子遺傳算法的認(rèn)知無(wú)線(xiàn)電決策引擎研究[J];物理學(xué)報(bào);2007年11期

6 趙知?jiǎng)?徐世宇;鄭仕鏈;楊小牛;;基于二進(jìn)制粒子群算法的認(rèn)知無(wú)線(xiàn)電決策引擎[J];物理學(xué)報(bào);2009年07期

7 柴爭(zhēng)義;劉芳;朱思峰;;混沌量子克隆優(yōu)化求解認(rèn)知無(wú)線(xiàn)網(wǎng)絡(luò)決策引擎[J];物理學(xué)報(bào);2012年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 許川佩;姚芬;胡聰;;基于云進(jìn)化算法的NoC測(cè)試端口優(yōu)化選擇方法[J];半導(dǎo)體技術(shù);2012年06期

2 趙志強(qiáng);緱錦;陳維斌;;基于云模型的自學(xué)習(xí)進(jìn)化算法[J];北京交通大學(xué)學(xué)報(bào);2009年06期

3 劉禹;李德毅;;正態(tài)云模型霧化性質(zhì)統(tǒng)計(jì)分析[J];北京航空航天大學(xué)學(xué)報(bào);2010年11期

4 徐淑坦;孫亮;孫延風(fēng);;關(guān)于遺傳算法模式定理的進(jìn)一步探討[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2009年06期

5 張朝龍;江巨浪;李彥梅;陳世軍;gだ，

本文編號(hào)：1719135