發(fā)布時間：2020-06-11 10:56

【摘要】：元啟發(fā)式算法相較于傳統(tǒng)確定性優(yōu)化算法有著適用范圍廣、不需要梯度信息、全局搜索能力強,具有很好并行性的特點,尤其適用于高維優(yōu)化問題。因此,元啟發(fā)式算法在實際工程問題中有了越來越多的應用。鯨魚算法作為元啟發(fā)式算法的一種,具有簡單易實現(xiàn),收斂精度高的優(yōu)點,受到了人們的廣泛研究。但鯨魚算法也存在收斂較慢,容易陷入早熟的缺點,對此,本文對鯨魚算法進行深入分析與研究,并針對其不足進行改進。其主要改進有:(1)原始鯨魚算法的包圍閾值是固定的,因而在迭代后期,存在著位置更新方式單一、缺乏靈活性的缺點。對此,設計了一種自適應變化的包圍閾值,個體可根據(jù)自身適應度值情況,調(diào)整自身的包圍閾值,使得位置更新方式選擇更加靈活。(2)鯨魚算法的螺旋位置更新僅僅參考當前最優(yōu),信息交流不充分,而鯨魚算法本身缺乏跳出局部最優(yōu)解的機制,使得鯨魚算法易于早熟。受量子粒子群算法的啟發(fā),舍棄了螺旋位置更新方式,位置更新參考種群當前最優(yōu)與參考自身的最好位置,同時引入量子行為,進一步增加種群多樣,增強算法的探索能力。(3)讓平均最好位置也參與指導位置更新,平均最好位置考慮了各鯨魚個體經(jīng)歷的最好位置,在迭代后期,鯨魚個體逐漸集中,平均最好位置可以指導鯨魚向該位置靠近,從而加快收斂速度。將本文算法用于優(yōu)化一系列基準測試函數(shù),并與其它改進鯨魚算法進行比較。仿真實驗結(jié)果表明本文提出的改進算法在收斂速度、尋優(yōu)精度和穩(wěn)定性方面上均有明顯提升。此外,本文還將鯨魚算法應用于基于圖論模型的認知無線電頻譜分配問題,發(fā)現(xiàn)直接離散的二進制鯨魚算法在求解該問題時具有計算時間長,收斂速度慢,收斂精度不高的缺點。針對這些缺點,本文提出了一種遺傳鯨魚算法。主要有以下改進措施:(1)取消直接離散鯨魚算法的離散化操作,舍棄從連續(xù)域到離散域的映射,減少計算量。(2)舍棄原有連續(xù)域上的位置更新公式,在探索階段采用遺傳算法的交叉變異方式,直接在離散域上操作,縮短搜索時間;而在開發(fā)階段采用單維直接取反的方式保證解的差異性,加強算法開發(fā)能力。(3)引入自適應變化的策略選擇閾值,很好地平衡了算法的開發(fā)與探索能力,使得改進算法在前期具有較好的全局搜索能力,在算法后期有更強的局部開發(fā)能力。將改進后的鯨魚算法應用于頻譜分配問題,并與其它智能算法進行仿真實驗對比。結(jié)果表明相比于其它比較智能算法,本文算法具有更高的網(wǎng)絡收益和更快的收斂速度,更適用于頻譜分配問題。
【圖文】：

1 緒 論按資源感知方式分類認知用戶之間是否有頻譜感知信息的交流與反饋，認知網(wǎng)絡可作式[36]。作式網(wǎng)絡中，用戶之間會周期性的相互交流感知到的頻譜占用知準確率的同時可以減少感知時間，，但同時也增加了大大控制此時，認知用戶在決策時也會考慮其他用戶的需求，可以獲得并保證一定的公平性。非協(xié)作式網(wǎng)絡，認知用戶不與其他用戶進行信息交流，只負責知網(wǎng)絡較小時這種方式可以減少信息交流開銷，有著一定的優(yōu)，由于認知用戶沒有考慮其他用戶的干擾，均已最大化自身的這反而會降低整個網(wǎng)絡的性能表現(xiàn)。按頻譜接入技術(shù)分類

用戶如何在眾多空閑頻帶中進行最合適的選擇證用戶間干擾最小，是認知無線電技術(shù)必須解內(nèi)解決該問題，而已有學者采用智能優(yōu)化算法意。鯨魚算法是一種性能優(yōu)秀的新型仿生智能高效地求解頻譜分配問題。本章將對鯨魚算法，為本文后續(xù)工作做鋪墊。算法是由澳大利亞學者 Seyedali Mirjalili 和 Andrew方式于 2016 年新提出的一種元啟發(fā)式智能優(yōu)范疇。鯨魚在捕食時，首先下潛至水下約 12群時，會產(chǎn)生如數(shù)字‘9’的螺旋上升泡沫網(wǎng)包圍最終捕獲到獵物。鯨魚算法模仿鯨魚的捕食方取最優(yōu)解。圖 2.1 是鯨魚覓食行為示意圖。
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TN925;TP18

【參考文獻】

相關(guān)期刊論文 前3條

1 徐宏飛;楊健;張建照;;認知無線電領(lǐng)域的國內(nèi)外重點項目[J];中國無線電;2015年03期

2 高洪元;曹金龍;;認知無線電中的量子蛙跳頻譜分配[J];應用科學學報;2014年01期

3 李方偉;柴源;朱江;;認知無線網(wǎng)中基于隊列博弈的頻譜選擇算法[J];四川大學學報(工程科學版);2013年04期

相關(guān)碩士學位論文 前2條

1 孫海建;基于粒子群算法和遺傳算法的頻譜分配研究[D];吉林大學;2015年

2 朱方方;離散人工蜂群算法下的頻譜分配[D];重慶大學;2015年

本文編號：2707803