在認知無線電網(wǎng)絡(luò)中,為了有效使用空閑頻譜資源,提升頻譜利用率,提出了一種基于圖論模型的改進蟻群算法。該方法在信息素更新時引入了混沌初始化和混沌擾動,改變了傳統(tǒng)蟻群算法信息素更新單一的規(guī)則,提升了算法的尋優(yōu)能力,進而加快了收斂速度,同時在傳統(tǒng)模型基礎(chǔ)上考慮了認知用戶選擇信道的優(yōu)先級,重新設(shè)定了干擾約束條件,增加了認知用戶對信道的需求大小問題,進而改善了認知用戶的公平性。將改進的蟻群算法(Improved Ant Cology Algorithm,IACA)應(yīng)用于認知無線電頻譜分配問題,結(jié)果表明,基于IACA的認知無線網(wǎng)絡(luò)頻譜分配方法具有更快的收斂速度和更好的尋優(yōu)性能,能有效提高系統(tǒng)的網(wǎng)絡(luò)效益。 

【文章來源】：通信技術(shù). 2020年10期

【文章頁數(shù)】：7 頁

【部分圖文】：

基于IACA認知無線電頻譜分配的流程

圖2選取平均最大網(wǎng)絡(luò)效益為目標函數(shù)和可用信道數(shù)目進行關(guān)系比較，將改進的蟻群算法（IACA）、蟻群算法（ACA）以及遺傳算法（Genetic Algorithm,GA）的仿真結(jié)果進行比較。仿真實驗進行50次獨立實驗，記錄仿真實驗結(jié)果。由圖3可知：隨著信道數(shù)m的逐步增加，IACA的平均網(wǎng)絡(luò)效益數(shù)值是始終優(yōu)于ACA和GA。圖3選取平均最大網(wǎng)絡(luò)效益為目標函數(shù)和認知用戶數(shù)目進行比較，此時信道數(shù)m為固定值。由圖3可知：隨著認知用戶數(shù)n的逐步增加，網(wǎng)絡(luò)效益逐步減少。這是因為認知用戶增加，分配信道時用戶間的干擾也在增強，致使網(wǎng)絡(luò)效益不斷降低。但是，IACA的平均網(wǎng)絡(luò)效益數(shù)值依舊始終優(yōu)于ACA和GA。

圖3選取平均最大網(wǎng)絡(luò)效益為目標函數(shù)和認知用戶數(shù)目進行比較，此時信道數(shù)m為固定值。由圖3可知：隨著認知用戶數(shù)n的逐步增加，網(wǎng)絡(luò)效益逐步減少。這是因為認知用戶增加，分配信道時用戶間的干擾也在增強，致使網(wǎng)絡(luò)效益不斷降低。但是，IACA的平均網(wǎng)絡(luò)效益數(shù)值依舊始終優(yōu)于ACA和GA。圖4選取平均最大網(wǎng)絡(luò)效益為目標函數(shù)與實驗序號進行關(guān)系比較。由圖4可知，隨著不斷迭代優(yōu)化，改進蟻群算法得到了較高的網(wǎng)絡(luò)效益。相對于網(wǎng)絡(luò)效益，IACA算法優(yōu)于ACA算法和GA算法。由于在改進的蟻群算法（IACA）中引入了混沌搜，索使得螞蟻能夠跳出局部最優(yōu)，遍歷全局空間范圍尋優(yōu)，從而可得到較高的全局最優(yōu)解。

【參考文獻】：
期刊論文
[1]認知無線傳感器網(wǎng)絡(luò)頻譜分配的一種改進方法[J]. 周杰,徐夢穎,王嬌嬌,盧毅.  西安電子科技大學(xué)學(xué)報. 2020(03)
[2]無線通信系統(tǒng)頻譜分配策略優(yōu)化研究[J]. 張婧怡,向新,孫曄,王峰.  計算機仿真. 2015(10)
[3]基于改進的量子遺傳算法的認知無線網(wǎng)絡(luò)頻譜分配方法[J]. 劉剛,趙海洋,陳華,郝曉辰.  高技術(shù)通訊. 2015 (Z1)
[4]混沌擾動模擬退火蟻群算法低碳物流路徑優(yōu)化[J]. 張立毅,王迎,費騰,周修飛.  計算機工程與應(yīng)用. 2017(01)
[5]認知無線網(wǎng)絡(luò)中基于隨機博弈框架的頻率分配[J]. 劉鑫,闞興一,王三強.  遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版). 2011(05)
[6]認知無線網(wǎng)絡(luò)中一種基于蟻群優(yōu)化的頻譜分配算法[J]. 楊淼,安建平.  電子與信息學(xué)報. 2011(10)

碩士論文
[1]認知無線電中基于圖論的頻譜分配算法[D]. 樊路.哈爾濱工業(yè)大學(xué) 2009



本文編號：2935418