本文關(guān)鍵詞：基于元胞自動(dòng)機(jī)的差分進(jìn)化算法及其在通信系統(tǒng)中的應(yīng)用研究

  更多相關(guān)文章： 元胞自動(dòng)機(jī) 差分進(jìn)化 混沌局部搜索 信道估計(jì) 動(dòng)態(tài)資源分配

【摘要】：差分進(jìn)化算法是一種基于種群的并行迭代優(yōu)化算法,已經(jīng)廣泛應(yīng)用在求解各類(lèi)優(yōu)化問(wèn)題上。然而,差分進(jìn)化算法也存在早熟收斂和搜索停滯等缺陷,限制了其優(yōu)化能力和應(yīng)用范圍,特別是應(yīng)用于求解動(dòng)態(tài)優(yōu)化問(wèn)題,迫切需要加以研究和改進(jìn)。在通信系統(tǒng)設(shè)計(jì)領(lǐng)域中也存在很多優(yōu)化的應(yīng)用問(wèn)題,如基于導(dǎo)頻的快衰落信道估計(jì)問(wèn)題,因?yàn)榭焖ヂ鋵?dǎo)致很多參數(shù)并不能及時(shí)獲取;多中繼節(jié)點(diǎn)協(xié)同通信系統(tǒng)的資源分配問(wèn)題,因?yàn)槔碚摲治鲇?jì)算復(fù)雜,往往只能進(jìn)行簡(jiǎn)化近似處理。而啟發(fā)式智能算法為上述解析類(lèi)問(wèn)題提供了一種有效解決問(wèn)題的新思路。為此,本文針對(duì)差分進(jìn)化算法早熟收斂與搜索停滯的問(wèn)題,提出基于元胞自動(dòng)機(jī)進(jìn)化的改進(jìn)差分進(jìn)化算法,并將其用以解決無(wú)線(xiàn)最佳接收機(jī)的信道估計(jì)算法以及協(xié)同通信系統(tǒng)的資源分配算法兩類(lèi)優(yōu)化問(wèn)題。論文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:(1)提出基于元胞自動(dòng)機(jī)的改進(jìn)差分進(jìn)化算法。針對(duì)差分進(jìn)化算法早熟收斂的缺陷,通過(guò)利用元胞自動(dòng)機(jī)具有擴(kuò)散衍變與并行計(jì)算的特點(diǎn),從而維護(hù)進(jìn)化群體的多樣性。通過(guò)研究元胞鄰居結(jié)構(gòu)和元胞進(jìn)化規(guī)則調(diào)節(jié)差分進(jìn)化算法控制參數(shù)的選擇壓力,利用元胞自動(dòng)機(jī)并行演化的特點(diǎn)平衡差分進(jìn)化算法的探索能力與開(kāi)發(fā)能力;通過(guò)反學(xué)習(xí)方法初始化種群以及正交交叉算子選擇多個(gè)子代中優(yōu)勝者進(jìn)入下一代進(jìn)化,從而實(shí)現(xiàn)提高進(jìn)化算法的全局收斂速度并保持種群的多樣性,避免種群過(guò)早收斂。(2)提出基于混沌局部搜索的元胞差分進(jìn)化算法。針對(duì)差分進(jìn)化算法搜索停滯的缺陷,研究混沌局部搜索方法在差分進(jìn)化算法的進(jìn)化個(gè)體更新機(jī)制。通過(guò)利用混沌序列遍歷性的特點(diǎn),對(duì)設(shè)定迭代次數(shù)內(nèi)未更新且陷入局部最優(yōu)的進(jìn)化個(gè)體進(jìn)行重新初始化,將幫助其脫離局部最優(yōu)解,從而大大提高獲得全局最優(yōu)解的幾率,盡快找到全局最優(yōu)解;算法利用混沌局部搜索算子的遍歷性和隨機(jī)性避免優(yōu)化算法陷入局部最優(yōu)和搜索停滯。(3)提出采用元胞差分進(jìn)化算法實(shí)時(shí)獲得有效信道長(zhǎng)度的一種新型最大似然信道估計(jì)算法。針對(duì)基于導(dǎo)頻的最小均方誤差準(zhǔn)則信道估計(jì)算法計(jì)算復(fù)雜度高、傳輸效率低的缺點(diǎn),首先在討論經(jīng)典的線(xiàn)性最小均方誤差信道估計(jì)算法的基礎(chǔ)上,通過(guò)對(duì)信號(hào)子空間維數(shù)的判定,獲得運(yùn)算復(fù)雜度與估計(jì)性能的折中,即在估計(jì)性能基本不變的情況下,通過(guò)降低矩陣的秩,從而有效降低運(yùn)算復(fù)雜度,同時(shí)通過(guò)二次濾波提高數(shù)據(jù)檢測(cè)的誤碼率性能;為了減小導(dǎo)頻數(shù)目,提高估計(jì)算法的傳輸效率,提出基于最小二乘支持向量機(jī)以及極限學(xué)習(xí)機(jī)的導(dǎo)頻預(yù)測(cè)機(jī)制;最后,通過(guò)采用元胞差分進(jìn)化算法實(shí)時(shí)獲取有效信道長(zhǎng)度,提出一種基于元胞差分進(jìn)化的最大似然信道估計(jì)算法。(4)提出一種基于元胞差分進(jìn)化算法的正交頻分多址協(xié)同通信系統(tǒng)資源分配算法。正交頻分多址協(xié)同通信系統(tǒng)的資源分配問(wèn)題是一個(gè)復(fù)雜的聯(lián)合最優(yōu)化問(wèn)題,很難找出最優(yōu)解,現(xiàn)有的分配方法一般采取簡(jiǎn)化近似處理,從而將問(wèn)題轉(zhuǎn)化為凸優(yōu)化問(wèn)題進(jìn)行求解次優(yōu)解。而啟發(fā)式智能算法為解決上述解析類(lèi)問(wèn)題提供了一種有效解決問(wèn)題的新思路。第一,提出基于元胞差分進(jìn)化算法的多中繼協(xié)同系統(tǒng)功率分配算法,并對(duì)其與其他經(jīng)典分配方法等進(jìn)行仿真比較;第二,通過(guò)引入最大化準(zhǔn)則作為優(yōu)化算法準(zhǔn)則,提出基于元胞差分進(jìn)化算法的正交頻分多址協(xié)同通信系統(tǒng)資源分配算法,從而兼顧多個(gè)用戶(hù)公平性和系統(tǒng)總體性能。
【關(guān)鍵詞】：元胞自動(dòng)機(jī) 差分進(jìn)化 混沌局部搜索 信道估計(jì) 動(dòng)態(tài)資源分配
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP18;TN914
【目錄】：

• 摘要6-8
• ABSTRACT8-14
• 英文縮略語(yǔ)14-16
• 第一章 緒論16-33
• 1.1 課題研究的目的和意義16-17
• 1.2 差分進(jìn)化算法的國(guó)內(nèi)外研究概況17-19
• 1.2.1 發(fā)展歷史17-18
• 1.2.2 國(guó)內(nèi)外研究概況18-19
• 1.3 差分進(jìn)化算法存在的問(wèn)題及改進(jìn)策略19-29
• 1.3.1 差分進(jìn)化算法的早熟收斂問(wèn)題19-21
• 1.3.2 差分進(jìn)化算法的搜索停滯問(wèn)題21-23
• 1.3.3 差分進(jìn)化算法的改進(jìn)策略23-29
• 1.4 寬帶無(wú)線(xiàn)通信系統(tǒng)研究中的優(yōu)化問(wèn)題29-30
• 1.5 論文主要研究?jī)?nèi)容、創(chuàng)新點(diǎn)及章節(jié)安排30-33
• 1.5.1 論文主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)30-32
• 1.5.2 論文章節(jié)安排32-33
• 第二章 基于元胞自動(dòng)機(jī)的改進(jìn)差分進(jìn)化算法33-57
• 2.1 引言33-34
• 2.2 經(jīng)典差分進(jìn)化算法34-36
• 2.3 基于元胞自動(dòng)機(jī)的差分進(jìn)化算法36-42
• 2.3.1 元胞自動(dòng)機(jī)演化機(jī)理36-37
• 2.3.2 反學(xué)習(xí)初始化37-38
• 2.3.3 正交交叉操作38-40
• 2.3.4 c DE的算法步驟40-42
• 2.4 算法結(jié)果分析42-55
• 2.4.1 算法性能比較42-46
• 2.4.2 算法收斂性分析46-55
• 2.5 本章小結(jié)55-57
• 第三章 基于混沌局部搜索的元胞差分進(jìn)化算法57-74
• 3.1 引言57
• 3.2 基于元胞自動(dòng)機(jī)的局部搜索差分進(jìn)化算法57-60
• 3.2.1 混沌局部搜索機(jī)制57-58
• 3.2.2 cc DE算法58-60
• 3.3 算法結(jié)果分析60-73
• 3.3.1 算法性能比較60-63
• 3.3.2 算法收斂性比較63-73
• 3.4 本章小結(jié)73-74
• 第四章 基于元胞差分進(jìn)化算法的快衰落信道估計(jì)74-99
• 4.1 引言74-75
• 4.2 經(jīng)典OFDM信道估計(jì)算法75-77
• 4.2.1 系統(tǒng)模型75-76
• 4.2.2 MMSE/LMMSE信道估計(jì)算法76-77
• 4.3 基于奇異值分解與二次濾波的信道估計(jì)算法77-84
• 4.3.1 基于奇異值分解的OFDM信道估計(jì)77-78
• 4.3.2 SVD-LF信道估計(jì)算法78-80
• 4.3.3 仿真結(jié)果分析80-84
• 4.4 基于導(dǎo)頻預(yù)測(cè)及二次濾波的信道估計(jì)算法84-93
• 4.4.1 基于LS-SVM導(dǎo)頻預(yù)測(cè)及二次濾波的信道估計(jì)算法84-88
• 4.4.2 基于極限學(xué)習(xí)機(jī)預(yù)測(cè)及二次濾波的信道估計(jì)算法88-90
• 4.4.3 仿真結(jié)果分析90-93
• 4.5 基于元胞差分進(jìn)化算法的信道估計(jì)算法93-97
• 4.5.1 OFDM最大似然估計(jì)算法94-95
• 4.5.2 基于差分進(jìn)化算法的最大似然信道估計(jì)算法95-96
• 4.5.3 仿真結(jié)果分析96-97
• 4.6 本章小結(jié)97-99
• 第五章 基于元胞差分進(jìn)化算法的協(xié)同通信資源分配99-125
• 5.1 引言99-100
• 5.2 中繼協(xié)同通信的資源分配理論100-106
• 5.2.1 系統(tǒng)模型100-102
• 5.2.2 接收信號(hào)合并方式102-103
• 5.2.3 各種中繼轉(zhuǎn)發(fā)協(xié)議下的性能分析103-104
• 5.2.4 多中繼協(xié)同通信系統(tǒng)的遍歷容量及中斷概率分析104-106
• 5.2.5 多中繼協(xié)同通信系統(tǒng)的功率分配分析106
• 5.3 基于元胞差分進(jìn)化算法的多中繼協(xié)同通信功率分配106-112
• 5.3.1 基于元胞差分進(jìn)化算的多中繼功率分配算法107-108
• 5.3.2 功率分配優(yōu)化結(jié)果與分析108-112
• 5.4 基于元胞差分進(jìn)化算法的OFDMA協(xié)同通信資源分配112-123
• 5.4.1 多中繼OFDMA協(xié)同通信系統(tǒng)113-114
• 5.4.2 基于元胞差分進(jìn)化算法的OFDMA協(xié)同通信資源分配算法114-118
• 5.4.3 仿真及性能分析118-123
• 5.5 本章小結(jié)123-125
• 第六章 總結(jié)與展望125-128
• 6.1 論文工作總結(jié)125-127
• 6.2 研究展望127-128
• 附錄128-131
• 參考文獻(xiàn)131-144
• 作者在攻讀博士學(xué)位期間公開(kāi)發(fā)表的論文144-145
• 作者在攻讀博士學(xué)位期間所作的項(xiàng)目145-146
• 致謝146

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 Aijun Zhu;Chuanpei Xu;Zhi Li;Jun Wu;Zhenbing Liu;;Hybridizing grey wolf optimization with differential evolution for global optimization and test scheduling for 3D stacked SoC[J];Journal of Systems Engineering and Electronics;2015年02期

2 Hong Li;Li Zhang;Yongchang Jiao;;Solution for integer linear bilevel programming problems using orthogonal genetic algorithm[J];Journal of Systems Engineering and Electronics;2014年03期

3 詹騰;張屹;朱大林;劉錚;鄭小東;;基于多策略差分進(jìn)化的元胞多目標(biāo)遺傳算法[J];計(jì)算機(jī)集成制造系統(tǒng);2014年06期

4 Yu Xue;Yi Zhuang;Tianquan Ni;Siru Ni;Xuezhi Wen;;Self-adaptive learning based discrete differential evolution algorithm for solving CJWTA problem[J];Journal of Systems Engineering and Electronics;2014年01期

5 趙靜;趙衛(wèi)虎;李勇軍;趙尚弘;王翔;韓磊;李軒;;基于改進(jìn)小生境遺傳算法的微波/光混合鏈路中繼衛(wèi)星資源調(diào)度方法[J];光電子.激光;2014年01期

6 趙靜;趙衛(wèi)虎;李勇軍;趙尚弘;王翔;韓磊;李軒;;基于改進(jìn)NSGA-Ⅱ算法的微波/光混合鏈路中繼衛(wèi)星多目標(biāo)資源調(diào)度算法[J];中國(guó)激光;2013年12期

7 黎明;盧明;陳昊;黎政秀;;基于線(xiàn)性映射的多物種捕食元胞遺傳算法[J];模式識(shí)別與人工智能;2013年10期

8 嚴(yán)細(xì)輝;蔡伯根;寧濱;上官偉;;基于差分進(jìn)化的高速列車(chē)運(yùn)行操縱的多目標(biāo)優(yōu)化研究[J];鐵道學(xué)報(bào);2013年09期

9 陳俊風(fēng);吳鐵軍;;群體智能算法搜索策略的性質(zhì)及對(duì)停滯現(xiàn)象的影響[J];系統(tǒng)工程理論與實(shí)踐;2013年06期

10 譚躍;譚冠政;鄧曙光;;Hybrid particle swarm optimization with differential evolution and chaotic local search to solve reliability-redundancy allocation problems[J];Journal of Central South University;2013年06期

，

本文編號(hào)：673020